Digitalizzazione e IA
L'IA svolge compiti, non professioni
Perché il 40 percento che un'IA non sa fare decide se la vostra azienda resta governabile.
Il calcolo sembra pulito. Un'IA lavora 24 ore su 24, non si ammala mai, non chiede bonus e, in molti compiti chiaramente definiti, commette meno errori di una persona in una brutta giornata. Chi fa questo calcolo arriva rapidamente alla conclusione che si possa ridurre il personale. Il pensiero è comprensibile. Resta comunque fuorviante.
L'errore di pensiero
L'errore sta in un'equazione. La sostituibilità tecnica non è la stessa cosa della capacità organizzativa. Un'IA può assumere un compito senza assumere una professione. Una professione è più della somma dei suoi compiti. Contiene giudizio in situazioni poco chiare, conoscenza di contesto che non è documentata da nessuna parte, la capacità di segnalare quando qualcosa non va, e responsabilità che qualcuno effettivamente porta.
Come regola empirica approssimativa: una grande parte del lavoro è routine e riconoscimento di schemi, e lì l'IA è forte. Il resto, più piccolo, è giudizio, eccezione e contesto. È esattamente lì che sta il valore. Ed è esattamente lì che si rompe tutto se si tagliano prima le persone.
Lo schema è osservabile
Non è più teoria.
Ford ha ampliato notevolmente i propri sistemi automatizzati di controllo qualità e in seguito, nell'arco di tre anni, ha richiamato circa 350 ingegneri esperti. Non perché l'IA fosse inutile, ma perché senza quell'esperienza non trovava gli errori decisivi. Un'IA vale quanto la conoscenza con cui è addestrata, e quella conoscenza se n'era andata per prima. Solo nell'interazione tra persone e sistema la qualità è tornata: da allora il gruppo riporta un calo dei casi in garanzia e dei costi di richiamo, secondo la direzione dell'azienda per centinaia di milioni.
Klarna ha seguito la stessa strada prima e in modo più evidente. L'azienda aveva automatizzato ampiamente il servizio clienti e, per sua stessa ammissione, aveva spinto troppo oltre la linea completamente automatizzata. Oggi utilizza un modello in cui l'IA gestisce il volume e le persone gestiscono i casi che richiedono giudizio e relazione.
IBM ha automatizzato ampie parti dei propri processi HR. La maggior parte ha funzionato. Sono rimasti i casi difficili, le eccezioni, l'elemento umano. L'organico non si è ridotto per questo, è cresciuto. Le risorse liberate sono confluite in ruoli che richiedono giudizio e rapporto con le persone.
Questi casi non sono un argomento contro l'IA. Mostrano uno schema. Chi automatizza l'esecuzione tagliando allo stesso tempo le persone che esercitano il giudizio risparmia nel breve termine e paga il doppio nel medio termine.
L'effetto che diventa visibile solo più tardi
Il lavoro di ingresso e di routine non è solo una voce di costo, è il terreno di formazione. Gli esperti nascono dalla pratica, dagli errori e dalla responsabilità crescente. Chi automatizza completamente questo livello prosciuga la fonte da cui verranno i senior di domani. Il pozzo non si prosciuga subito. Ma si prosciuga.
La domanda giusta
La domanda vera quindi non è se un'IA porta a termine un compito più velocemente. Spesso lo fa. La domanda è come un'azienda automatizza senza perdere il giudizio e la conoscenza che la mantengono governabile.
Il valore non nasce dal sostituire la capacità con le macchine, ma dal mantenere la conoscenza dentro l'azienda, dal rendere le decisioni tracciabili e dal collegarle all'attuazione. È esattamente qui che intervengo io. Un'automazione sensata non significa automazione massima, ma automazione sotto guida umana, dove le persone continuano a capire obiettivi, contesto e conseguenze e possono intervenire quando serve.
Prima di eliminare un ruolo
Vale la pena fare un calcolo lucido. Quanto costa se dovete recuperare quell'esperienza tra dodici mesi, e la ritroverete comunque. Quanto costa il blocco quando non c'è più nessuno che si accorge che il sistema dà la risposta sbagliata. Questi numeri raramente compaiono nel primo business case. Alla fine decidono il risultato.
Questo è il primo di tre contributi. Nel secondo si parla del perché l'IA raccomanda sorprendentemente spesso la stessa cosa nelle questioni strategiche e di come usarla correttamente. Nel terzo, di cosa significa concretamente la sovranità digitale per una PMI.