Metodo, persone e leadership nella trasformazione dell’impresa
—
Negli ultimi mesi ho dedicato molto tempo allo studio, alla sperimentazione e all’utilizzo concreto dell’intelligenza artificiale, non soltanto come strumento capace di produrre un testo, elaborare informazioni o velocizzare una singola attività, ma cercando di comprendere che cosa accade quando questa tecnologia comincia realmente a entrare nei processi, nell’organizzazione e nel modo stesso in cui prendiamo decisioni. Più avanzo in questa sperimentazione e più mi convinco che stiamo correndo il rischio di affrontare la trasformazione dell’intelligenza artificiale guardando soprattutto la parte più visibile del fenomeno: gli strumenti, le piattaforme, gli agenti, le automazioni, le applicazioni che ogni settimana diventano più potenti. Tutto questo è certamente importante, ma rappresenta soltanto una parte del problema, perché un’impresa non cambia realmente quando installa una nuova tecnologia; cambia quando quella tecnologia modifica il modo nel quale le persone lavorano, collaborano, decidono, si assumono responsabilità e interpretano il proprio ruolo all’interno dell’organizzazione.
È una differenza che considero fondamentale, perché ci porta immediatamente fuori dal dibattito, ormai piuttosto inflazionato, su ciò che l’intelligenza artificiale saprà o non saprà fare al posto dell’uomo. La domanda che mi interessa maggiormente è un’altra: siamo realmente preparati, come persone e come organizzazioni, a utilizzare consapevolmente una tecnologia capace di modificare in tempi così rapidi attività, competenze e modelli di lavoro che abbiamo costruito spesso nell’arco di decenni? Da questa domanda, a mio avviso, dovrebbe partire qualsiasi serio progetto di introduzione dell’AI all’interno di un’impresa, perché possiamo avere a disposizione una tecnologia estremamente potente e contemporaneamente non possedere ancora la cultura, il metodo e la leadership necessari per governarla.
Non sarebbe la prima volta. La storia dell’innovazione è piena di tecnologie che hanno incontrato resistenze, diffidenze e difficoltà non perché fossero necessariamente sbagliate, ma perché richiedevano alle persone di modificare abitudini, competenze e modi di interpretare il proprio lavoro. La differenza, questa volta, sta soprattutto nella velocità e nella profondità del cambiamento. L’intelligenza artificiale non interviene soltanto sulla forza fisica, sulla capacità di calcolo o sull’automazione di operazioni ripetitive; entra in territori che abbiamo sempre considerato profondamente legati alla competenza umana: elaborare informazioni, scrivere, analizzare, progettare, sintetizzare, suggerire alternative, individuare correlazioni e contribuire alla costruzione di una decisione. Ed è inevitabile che un cambiamento di questa natura tocchi non soltanto l’organizzazione del lavoro, ma anche la percezione che ognuno di noi possiede del proprio valore professionale.
L’errore di partire dagli strumenti
Quando una nuova tecnologia diventa disponibile, la tentazione naturale è partire da ciò che può fare. Quale piattaforma scegliere, quale abbonamento acquistare, quale attività automatizzare, quanto tempo risparmiare, quante persone coinvolgere. Sono domande necessarie, ma diventano pericolose quando vengono poste prima di aver compreso il processo nel quale la tecnologia dovrà entrare. In questi mesi mi sono convinto sempre di più che l’intelligenza artificiale non debba essere semplicemente aggiunta all’organizzazione esistente, quasi fosse un nuovo software da collocare accanto agli altri, perché il vero potenziale dell’AI emerge quando siamo disposti a mettere in discussione anche il processo che esisteva prima del suo arrivo.
Se un’attività è organizzata male, automatizzarla non significa necessariamente migliorarla. Se le informazioni sono disperse, se le responsabilità non sono chiare, se una procedura dipende esclusivamente dalla memoria di una persona o se più persone svolgono la stessa attività senza sapere esattamente perché, introdurre un sistema più veloce può perfino aumentare la confusione. La tecnologia può abbreviare i tempi di esecuzione, ma non stabilisce automaticamente se ciò che stiamo facendo abbia ancora senso, se il processo sia corretto o se la responsabilità sia attribuita alla persona giusta. Per questo, prima di domandare all’AI di rendere un’organizzazione più efficiente, occorre avere il coraggio di osservare quella stessa organizzazione e comprendere quali siano i processi realmente utili, quali possano essere trasformati e quali invece debbano essere ripensati completamente.
È qui che vedo uno dei rischi maggiori per le imprese, soprattutto per quelle piccole e medie. La semplicità apparente con la quale oggi possiamo utilizzare strumenti estremamente potenti può creare l’illusione che sia altrettanto semplice trasformare un’organizzazione. Bastano pochi minuti per iniziare a utilizzare un sistema di intelligenza artificiale, ma possono servire mesi per comprendere come integrarlo correttamente all’interno di processi reali, quali informazioni affidargli, quali risultati verificare, quali attività mantenere sotto controllo umano e quale livello di autonomia attribuirgli. Il problema, quindi, non è soltanto imparare a utilizzare una tecnologia; è stabilire come quella tecnologia debba entrare nel nostro modo di lavorare senza perdere controllo, responsabilità e consapevolezza.
Una delle conseguenze più frequenti dell’approccio puramente tecnologico è facilmente immaginabile. L’azienda acquista gli strumenti, organizza magari una breve presentazione, comunica ai collaboratori che l’intelligenza artificiale rappresenta il futuro e poi lascia che ciascuno trovi autonomamente il proprio modo di utilizzarla. Alcune persone inizieranno a sperimentare moltissimo, altre la useranno soltanto occasionalmente, qualcuna continuerà a lavorare esattamente come prima e altre ancora, magari senza dichiararlo apertamente, cercheranno semplicemente di evitarla. Dopo alcuni mesi l’impresa potrà anche affermare di aver “introdotto l’AI”, ma in realtà avrà aggiunto una nuova variabile tecnologica a un’organizzazione che continua a funzionare secondo gli stessi schemi precedenti.
La trasformazione vera comincia invece quando l’impresa smette di chiedersi soltanto quale strumento utilizzare e inizia a interrogarsi sul modo nel quale persone, tecnologia e processi dovranno lavorare insieme. Ed è proprio a quel punto che incontriamo il secondo problema, molto più complesso del primo, perché un software può essere installato in poche ore mentre le persone non possono essere aggiornate come un sistema operativo.
Quando il cambiamento entra nella mente delle persone
Parliamo spesso di “resistenza al cambiamento” come se fosse un difetto delle persone, quasi una forma di ostinazione che il management dovrebbe semplicemente superare spiegando meglio i vantaggi della nuova tecnologia. Ritengo che questa lettura sia troppo semplice e, in molti casi, anche profondamente sbagliata. Una persona che lavora da dieci, venti o trent’anni non porta con sé soltanto un insieme di mansioni; porta esperienza, conoscenze, abitudini, sicurezza, relazioni, reputazione e una determinata percezione del proprio valore professionale. Quando arriva una tecnologia capace di svolgere in pochi secondi una parte delle attività sulle quali quella persona ha costruito la propria competenza, non possiamo aspettarci che la sua prima reazione sia necessariamente l’entusiasmo per l’aumento della produttività aziendale.
La domanda, anche quando non viene formulata apertamente, può essere molto più semplice e molto più umana: se questa tecnologia è capace di fare una parte di ciò che fino a ieri facevo io, quale sarà il mio valore domani? È una domanda alla quale l’organizzazione deve essere preparata a rispondere, perché ignorarla significa lasciare che ciascuno costruisca autonomamente la propria risposta, spesso sulla base di paure, informazioni parziali o rappresentazioni estreme del futuro del lavoro. La resistenza, in questo senso, non nasce necessariamente dal rifiuto dell’innovazione; può nascere dalla paura di perdere controllo sul proprio ruolo, dalla sensazione che competenze costruite in molti anni possano improvvisamente valere meno o dall’incertezza rispetto a ciò che l’azienda si aspetterà in futuro.
Questo aspetto diventa ancora più delicato quando l’intelligenza artificiale viene presentata quasi esclusivamente attraverso il linguaggio dell’efficienza. Riduzione dei tempi, automazione, aumento della produttività, diminuzione dei costi sono obiettivi comprensibili per qualsiasi impresa, ma dobbiamo ricordare che le stesse parole possono assumere un significato completamente diverso per chi le ascolta. Se una persona sente ripetere continuamente che una tecnologia permetterà di fare in pochi minuti ciò che oggi richiede ore, può facilmente domandarsi che cosa accadrà alle ore che fino a ieri erano necessarie e, subito dopo, che cosa accadrà alla persona che quelle ore impiegava. Il problema non è quindi soltanto ciò che l’azienda vuole comunicare, ma ciò che le persone comprendono attraverso quella comunicazione.
Esiste poi un’altra resistenza, forse meno evidente ma altrettanto importante, che riguarda il rapporto con il controllo. Abbiamo sempre costruito una parte della nostra sicurezza professionale sulla capacità di comprendere il processo attraverso il quale otteniamo un risultato. Quando utilizziamo strumenti tradizionali possiamo generalmente ricostruire i passaggi, individuare l’errore, capire perché qualcosa è avvenuto. Con l’intelligenza artificiale il rapporto diventa più complesso: possiamo ottenere in pochi secondi risultati sorprendentemente efficaci senza conoscere fino in fondo il percorso attraverso il quale sono stati generati. Questo può produrre due reazioni opposte, entrambe problematiche: rifiutare lo strumento perché non ci fidiamo oppure, al contrario, fidarci eccessivamente proprio perché il risultato appare convincente.
Preparare psicologicamente un’organizzazione all’intelligenza artificiale significa allora anche costruire un rapporto più maturo con lo strumento. Non si tratta di convincere le persone che l’AI sia inevitabile e che debbano semplicemente adattarsi, né di presentarla come una soluzione quasi magica capace di eliminare problemi e fatica. Significa spiegare che cosa può fare, che cosa non può fare, quali limiti possiede, dove può sbagliare, dove deve essere verificata e soprattutto dove continua ad esistere una responsabilità umana che non può essere trasferita a una macchina soltanto perché quella macchina è stata capace di proporre una risposta.
Ma questa preparazione non riguarda soltanto collaboratori e dipendenti. Riguarda in modo ancora più profondo imprenditori, manager e chiunque abbia il compito di guidare l’organizzazione. Anche chi dirige può essere resistente al cambiamento pur dichiarandosi entusiasta dell’innovazione. Può volere strumenti nuovi e mantenere modelli decisionali vecchi; può chiedere alle persone di sperimentare e contemporaneamente non tollerare l’errore; può parlare di autonomia e continuare a concentrare ogni decisione; può chiedere flessibilità all’organizzazione senza essere disposto a mettere in discussione il proprio stile di leadership. In questo caso l’intelligenza artificiale rischia semplicemente di essere inserita dentro una struttura che continua a ragionare esattamente come prima.
Ed è forse proprio questo il punto dal quale dobbiamo ripartire. La trasformazione AI non mette alla prova soltanto la capacità delle persone di apprendere un nuovo strumento, ma la capacità dell’intera organizzazione di imparare nuovamente. Richiede di riconoscere che alcune competenze cambieranno, che altre acquisteranno maggiore valore, che alcune procedure dovranno essere abbandonate e che perfino chi guida dovrà accettare di non avere tutte le risposte già disponibili.
Per questo, prima ancora di parlare di automazione, dobbiamo parlare seriamente di preparazione. E preparare un’organizzazione non significa organizzare un corso di poche ore per spiegare come formulare una richiesta a un sistema di intelligenza artificiale. Significa costruire le condizioni affinché le persone comprendano il cambiamento, acquisiscano nuovi strumenti di giudizio e imparino a lavorare con la tecnologia senza rinunciare alla propria responsabilità.
È da qui che, secondo me, deve iniziare il vero discorso sulla formazione.
Formare non significa insegnare a usare ChatGPT
Quando si parla di formazione sull’intelligenza artificiale vedo ancora troppo spesso un’impostazione che rischia di essere insufficiente già in partenza. Si prende uno strumento, si mostrano alcune funzionalità, si insegna come formulare una richiesta più precisa, si fanno vedere esempi di testi, immagini, analisi o presentazioni generate in pochi secondi e, alla fine, si considera concluso il percorso. È certamente utile conoscere gli strumenti ed è altrettanto utile imparare a dialogare meglio con essi, ma se riduciamo la formazione all’AI a questo livello stiamo preparando persone capaci forse di utilizzare una piattaforma, non necessariamente persone capaci di lavorare consapevolmente all’interno di un’organizzazione trasformata dall’intelligenza artificiale.
La differenza non è marginale. Un dipendente può diventare molto bravo a utilizzare un sistema generativo e contemporaneamente non sapere quando sia opportuno utilizzarlo, quali informazioni possa affidargli, come verificare la qualità della risposta ricevuta, quale parte del risultato debba essere sottoposta a controllo, quando sia necessario interrompere l’automazione e riportare la decisione interamente nelle mani di una persona. Può sapere come ottenere una risposta formalmente impeccabile e non accorgersi che quella risposta contiene un errore sostanziale. Può aumentare enormemente la propria velocità di produzione e, nello stesso momento, ridurre la qualità del processo decisionale se perde l’abitudine a verificare, confrontare e mettere in discussione ciò che riceve.
È questo il motivo per cui considero limitante parlare soltanto di competenza tecnica. L’intelligenza artificiale richiede certamente nuove abilità operative, ma richiede anche capacità che non sono affatto nuove e che, paradossalmente, diventano ancora più importanti proprio perché lo strumento diventa più potente: capacità critica, comprensione del contesto, responsabilità, conoscenza del proprio lavoro, capacità di distinguere ciò che è plausibile da ciò che è corretto, disponibilità a verificare una fonte e, soprattutto, consapevolezza del fatto che una risposta convincente non è necessariamente una risposta vera.
Questa è probabilmente una delle trasformazioni culturali più importanti che dovremo affrontare. Per molti anni abbiamo associato la competenza alla capacità di produrre direttamente un risultato. Chi sapeva scrivere bene produceva il testo, chi sapeva analizzare produceva l’analisi, chi conosceva una procedura preparava il documento, chi possedeva determinate conoscenze forniva la risposta. Con l’intelligenza artificiale una parte crescente della produzione può essere assistita o addirittura generata dallo strumento. Di conseguenza il valore professionale tende progressivamente a spostarsi dalla semplice capacità di produrre verso la capacità di impostare correttamente il problema, fornire il contesto, valutare il risultato, individuare gli errori e assumersi la responsabilità della decisione finale.
Questo passaggio, a mio avviso, cambia profondamente anche il modo in cui dovremmo progettare la formazione aziendale. Non basta spiegare quali comandi utilizzare, perché uno strumento può cambiare interfaccia nel giro di pochi mesi e ciò che oggi rappresenta una competenza tecnica avanzata domani potrebbe diventare una funzione automatica. Dobbiamo costruire competenze più profonde e più resistenti al cambiamento tecnologico: sapere formulare correttamente un problema, distinguere dati da interpretazioni, comprendere quale informazione manchi prima di prendere una decisione, riconoscere un risultato incoerente, confrontare alternative e comprendere quando l’AI debba essere uno strumento di supporto e quando invece il processo debba rimanere integralmente nelle mani della persona.
C’è poi un aspetto che considero decisivo e che riguarda il rapporto fra formazione e sicurezza psicologica. Se una persona teme che l’intelligenza artificiale possa mettere in discussione il proprio ruolo, difficilmente affronterà un percorso formativo con la stessa disponibilità di chi percepisce quella tecnologia come uno strumento attraverso il quale poter crescere. Per questo la formazione non dovrebbe arrivare dopo che l’azienda ha già deciso tutto, come una sorta di manuale d’istruzioni consegnato a trasformazione avviata. Dovrebbe diventare parte del processo di cambiamento stesso, creando momenti nei quali le persone possano comprendere ciò che sta accadendo, fare domande, sperimentare, commettere errori in un ambiente controllato e soprattutto capire come evolverà il proprio contributo all’interno dell’organizzazione.
Questo significa anche riconoscere che non tutte le persone partiranno dallo stesso livello e che non tutte reagiranno nello stesso modo. Ci sarà chi avrà già sperimentato l’AI autonomamente e chiederà di poter andare molto più avanti; chi sarà curioso ma prudente; chi avrà bisogno di esempi concreti prima di fidarsi; chi temerà di non avere le competenze necessarie e chi, al contrario, sottovaluterà completamente i rischi perché attratto dalla semplicità apparente dello strumento. Un buon percorso di trasformazione non può trattare queste persone come se fossero identiche. La tecnologia può essere standardizzata; l’accompagnamento umano molto meno.
Ed è proprio qui che emerge un’altra responsabilità dell’impresa. Formare significa anche definire un linguaggio comune. Se ognuno utilizza l’intelligenza artificiale secondo criteri personali, con regole implicite e livelli di verifica differenti, l’azienda rischia di creare tante piccole modalità individuali di utilizzo senza costruire una vera competenza organizzativa. Una persona potrebbe verificare sempre le fonti, un’altra mai. Una potrebbe evitare di inserire informazioni sensibili, un’altra non percepire nemmeno il problema. Una potrebbe considerare il risultato dell’AI soltanto una prima bozza, mentre un’altra potrebbe utilizzarlo direttamente come documento definitivo. A quel punto la qualità del processo non dipenderebbe più da una regola dell’organizzazione, ma dal grado di consapevolezza del singolo utilizzatore.
È per questo che la formazione deve progressivamente trasformarsi in cultura organizzativa. Le persone devono sapere non soltanto come utilizzare gli strumenti, ma secondo quali principi l’organizzazione ha deciso di utilizzarli. Devono comprendere quali sono i limiti, quali controlli sono obbligatori, dove esistono rischi particolari, quali dati possono essere trattati, quando è necessario un passaggio autorizzativo e quale responsabilità rimane sempre umana. Solo in questo modo la competenza individuale può diventare competenza collettiva e soltanto in questo modo l’AI può smettere di essere l’iniziativa di qualche persona particolarmente curiosa per diventare una capacità effettiva dell’impresa.
Ma c’è ancora un passaggio ulteriore. La formazione non dovrebbe servire soltanto a evitare errori; dovrebbe permettere alle persone di ripensare il proprio lavoro. Quando un’attività può essere svolta in una frazione del tempo precedente, la domanda non dovrebbe essere semplicemente come riempire il tempo risparmiato, ma quale parte del lavoro possa essere migliorata, quale nuova attività possa essere sviluppata, quale relazione possa ricevere maggiore attenzione, quale analisi possa diventare più approfondita e quale responsabilità possa essere esercitata meglio. Se utilizziamo l’intelligenza artificiale esclusivamente per fare più velocemente ciò che facevamo prima, avremo ottenuto efficienza. Se invece utilizziamo il tempo e le capacità liberate per ripensare il valore del lavoro, allora iniziamo realmente a parlare di trasformazione.
Ed è in questo punto che la formazione incontra inevitabilmente il metodo. Perché possiamo preparare le persone, aumentare la loro consapevolezza, sviluppare competenze e capacità critica, ma se tutto questo non viene inserito dentro un modo condiviso di osservare i problemi, prendere decisioni, verificare i risultati e trasformare l’esperienza in apprendimento, rischiamo comunque di avere persone più preparate che continuano a muoversi senza una direzione comune.
Il Metodo 3C dentro la trasformazione AI
È proprio lavorando su questi temi che torno a un principio che accompagna da tempo il mio modo di affrontare problemi, organizzazioni e decisioni e che ho cercato di strutturare nel Metodo 3C: Contesto, Consapevolezza, Comprensione. Il punto di partenza del metodo è apparentemente semplice, ma credo assuma un significato ancora maggiore quando ci confrontiamo con l’intelligenza artificiale: prima di decidere dobbiamo comprendere. E per comprendere non possiamo partire immediatamente dalla risposta che vorremmo ottenere, ma dobbiamo attraversare in maniera ordinata ciò che sta intorno al problema, ciò che sappiamo e ciò che non sappiamo, il ruolo che occupiamo, le responsabilità che possediamo e le conseguenze che una determinata scelta può generare.
Applicato alla trasformazione digitale, questo significa innanzitutto rifiutare l’idea che l’intelligenza artificiale possa fornire automaticamente il metodo soltanto perché è capace di elaborare enormi quantità di informazioni. Al contrario, proprio perché abbiamo a disposizione strumenti capaci di rispondere in pochi secondi, aumenta la necessità di possedere una struttura mentale che ci impedisca di confondere la velocità della risposta con la qualità della decisione. È una distinzione che considero essenziale: l’AI può aiutarci enormemente a elaborare, confrontare, sintetizzare e persino immaginare scenari, ma resta nostra la responsabilità di stabilire quale sia il problema reale, quale sia il contesto nel quale quel problema esiste e quale significato attribuire alle informazioni che riceviamo.
La prima C, Contesto, diventa allora il punto dal quale un’impresa dovrebbe partire prima ancora di decidere quale tecnologia introdurre. Contesto significa osservare le condizioni nelle quali l’organizzazione opera, le persone coinvolte, le relazioni esistenti, i processi, gli obiettivi, le risorse disponibili, i vincoli, i rischi e le circostanze che possono modificare il significato di una decisione. Nessun processo aziendale esiste isolatamente e nessuna attività dovrebbe essere automatizzata soltanto perché tecnicamente automatizzabile. Un’attività può apparire ripetitiva osservata singolarmente e svolgere invece una funzione importante all’interno di una relazione con il cliente; un passaggio può sembrare inefficiente e rappresentare invece un punto necessario di verifica; una procedura può apparire facilmente sostituibile fino a quando non comprendiamo quali responsabilità giuridiche, economiche o organizzative vi siano collegate. Senza contesto, anche una soluzione tecnologicamente eccellente può diventare una risposta perfetta alla domanda sbagliata.
Questo vale anche nel rapporto individuale con l’intelligenza artificiale. Se chiediamo a un sistema di aiutarci senza fornirgli un contesto adeguato, riceveremo inevitabilmente una risposta costruita su informazioni incomplete. Ma il problema più grande non è soltanto ciò che non conosce la macchina; è ciò che potremmo non avere compreso noi prima di interrogarla. Se non abbiamo definito obiettivi, limiti, destinatari, conseguenze e condizioni operative, nessuna capacità generativa potrà compensare completamente questa mancanza. La qualità dell’interazione con l’AI, da questo punto di vista, comincia molto prima del prompt: comincia dalla qualità con la quale siamo stati capaci di osservare la realtà.
La seconda C è Consapevolezza, ed è forse quella che assume il significato più delicato nel passaggio che stiamo vivendo. Consapevolezza significa sapere da quale posizione stiamo osservando un problema, quale ruolo ricopriamo, quali responsabilità abbiamo, quali informazioni possediamo realmente, quali ci mancano e quali possono essere i nostri punti ciechi. Significa anche riconoscere i limiti dello strumento che stiamo utilizzando e, contemporaneamente, i nostri. È un passaggio che impedisce due errori opposti ma ugualmente pericolosi: considerarci autosufficienti e rifiutare l’aiuto della tecnologia oppure attribuire alla tecnologia una capacità di giudizio che non possiede.
Un manager consapevole non dovrebbe utilizzare l’intelligenza artificiale per cercare semplicemente conferma di una decisione che ha già preso; dovrebbe utilizzarla anche per mettere alla prova le proprie convinzioni, cercare alternative, individuare elementi che potrebbe avere sottovalutato e comprendere quali informazioni siano ancora mancanti. Allo stesso modo, un collaboratore consapevole non dovrebbe limitarsi a chiedere allo strumento di produrre un risultato, ma dovrebbe sapere quale responsabilità continua a rimanere nelle proprie mani quando quel risultato viene utilizzato. La consapevolezza, quindi, non riduce la potenza dell’AI: la rende utilizzabile senza rinunciare al giudizio umano.
Ed è proprio questo passaggio che ritengo fondamentale anche sul piano psicologico. Una persona diventa realmente più sicura nell’utilizzo dell’intelligenza artificiale non quando le viene ripetuto che la tecnologia è affidabile, ma quando comprende dove può fidarsi, dove deve verificare e dove la decisione continua a dipendere dalla propria competenza. La consapevolezza restituisce alla persona un ruolo attivo. Non è più qualcuno che subisce una trasformazione tecnologica decisa altrove, ma diventa parte del processo attraverso il quale quella tecnologia viene interpretata, controllata e utilizzata.
La terza C è Comprensione, e qui avviene il passaggio che collega gli elementi precedenti. Comprendere non significa semplicemente possedere molte informazioni. Significa collegarle, individuare relazioni, distinguere cause e conseguenze, osservare dinamiche, costruire scenari e cercare di anticipare ciò che potrebbe accadere dopo una determinata scelta. È precisamente in questo terreno che l’intelligenza artificiale può diventare un alleato straordinario, perché può aiutarci ad analizzare quantità di dati e possibilità che una persona, da sola, avrebbe difficoltà a gestire con la stessa velocità. Ma ancora una volta la capacità dello strumento e la responsabilità della persona non coincidono.
L’AI può mostrarci possibilità che non avevamo considerato, mettere in relazione informazioni distanti, simulare alternative e aiutarci a individuare incoerenze, ma siamo noi a dover comprendere che cosa quelle informazioni significano dentro il contesto nel quale stiamo operando. Una previsione non è una decisione, una correlazione non è necessariamente una causa, una proposta non è automaticamente la scelta migliore e una risposta molto articolata non diventa vera soltanto perché è espressa in maniera convincente. Comprendere significa quindi mantenere la capacità di interrogare ciò che riceviamo invece di limitarci a consumarlo.
Solo dopo aver attraversato Contesto, Consapevolezza e Comprensione arriviamo alla decisione. Ed è qui, a mio avviso, che il Metodo 3C incontra in maniera più profonda la trasformazione prodotta dall’intelligenza artificiale. Il metodo non pretende di fornire automaticamente la risposta corretta e non nasce come formula universale capace di risolvere qualsiasi problema; vuole piuttosto sostituire la reazione immediata con un processo ordinato di osservazione e analisi. In un momento storico nel quale possiamo ottenere una risposta quasi istantanea a moltissime domande, questa capacità diventa paradossalmente ancora più importante, perché il rischio non è più soltanto non avere informazioni sufficienti, ma essere sommersi da informazioni, alternative e soluzioni prima di avere compreso correttamente il problema.
Ed è qui che vedo una delle contraddizioni più interessanti dell’intelligenza artificiale. Più lo strumento diventa veloce, maggiore deve diventare la nostra capacità di non confondere velocità e urgenza. Più aumenta il numero delle possibilità che possiamo esplorare, maggiore deve diventare la nostra capacità di scegliere quali abbiano realmente valore. Più l’AI riesce a produrre, maggiore diventa la necessità di sapere perché stiamo producendo qualcosa. E più possiamo automatizzare, maggiore deve essere la nostra capacità di stabilire ciò che non vogliamo o non possiamo delegare.
Per questo non considero il Metodo 3C un metodo “per usare l’intelligenza artificiale”. Sarebbe riduttivo e, soprattutto, ne tradirebbe il significato. Lo considero piuttosto una struttura attraverso la quale affrontare una trasformazione nella quale l’AI rappresenta uno degli elementi più potenti, ma non l’unico. Ci sono persone, organizzazioni, responsabilità, obiettivi, relazioni, limiti, rischi e conseguenze; e la qualità della trasformazione dipenderà dalla capacità di tenere insieme tutti questi elementi prima di decidere.
In questo senso, il metodo serve anche a evitare una delle tentazioni che considero più pericolose nella fase che stiamo vivendo: reagire alla velocità dell’innovazione con altrettanta velocità decisionale. Ogni settimana vediamo nuovi strumenti, nuove possibilità, nuove funzioni e nuovi modelli e può nascere la sensazione che l’impresa debba rincorrere continuamente ciò che arriva per non rimanere indietro. Ma innovare non significa inseguire tutto. Significa sapere osservare ciò che cambia, comprendere che cosa abbia realmente valore per la propria organizzazione e decidere dove investire tempo, competenze e risorse.
Ed è proprio qui che il Metodo 3C smette di essere soltanto una modalità di analisi e incontra inevitabilmente il tema della guida. Perché qualcuno deve assumersi la responsabilità di leggere il contesto, costruire consapevolezza nell’organizzazione, favorire la comprensione e infine prendere o accompagnare una decisione. Qualcuno deve riuscire a trasformare l’incertezza in un percorso nel quale le persone possano riconoscere una direzione, senza nascondere loro che quella direzione dovrà probabilmente essere modificata più volte mentre la tecnologia continuerà ad evolvere.
Ed è esattamente qui che, per me, comincia il discorso sulla leadership.
Più AI significa più leadership
Potrebbe sembrare una contraddizione. Se disponiamo di sistemi capaci di analizzare enormi quantità di informazioni, elaborare alternative, automatizzare attività, organizzare processi e supportare decisioni, potremmo essere portati a pensare che il ruolo di chi guida un’organizzazione diventi progressivamente meno importante. Io penso esattamente il contrario. Più aumenta la capacità della tecnologia di intervenire nei processi aziendali, più diventa importante la qualità della leadership che deve decidere come, dove e perché quella capacità debba essere utilizzata. Perché l’intelligenza artificiale può contribuire a costruire una risposta, ma non determina autonomamente quale debba essere la direzione dell’impresa, quale cultura vogliamo costruire, quali responsabilità siamo disposti a delegare e quali conseguenze siamo pronti ad assumere.
La leadership, in questo scenario, non coincide innanzitutto con il potere gerarchico. Possedere un ruolo, una qualifica o la facoltà formale di impartire disposizioni non significa necessariamente essere capaci di guidare una trasformazione. La leadership che serve in questa fase è molto più complessa, perché deve tenere insieme elementi apparentemente distanti: comprendere sufficientemente la tecnologia senza trasformarsi necessariamente in un tecnico, conoscere l’organizzazione e i suoi processi, leggere le reazioni delle persone, comunicare una direzione comprensibile, gestire l’incertezza, riconoscere gli errori, modificare il percorso quando necessario e, soprattutto, assumersi la responsabilità delle decisioni.
Questo ultimo punto, a mio avviso, diventerà sempre più importante. Più l’intelligenza artificiale entrerà nei processi decisionali, più sarà necessario evitare una forma molto pericolosa di deresponsabilizzazione: “lo ha detto il sistema”, “lo ha suggerito l’algoritmo”, “questa era la risposta dell’AI”. Nessuna di queste formule può diventare il rifugio di chi aveva la responsabilità di valutare e decidere. Possiamo utilizzare l’intelligenza artificiale per ampliare la nostra capacità di analisi, per identificare alternative che non avevamo considerato e per ridurre il rischio di dimenticare elementi importanti, ma la responsabilità manageriale non scompare nel momento in cui una macchina partecipa al processo. Semmai diventa più esigente, perché chi decide deve essere capace anche di comprendere la qualità dello strumento dal quale sta ricevendo supporto.
Ed è proprio per questo che considero insufficiente l’immagine del leader che deve semplicemente “saper usare l’AI”. Naturalmente dovrà comprenderla. Dovrà conoscerne possibilità e limiti, sapere quali strumenti vengono utilizzati nella propria organizzazione e avere abbastanza competenza da non delegare completamente le decisioni tecnologiche a qualcuno che parla un linguaggio che lui non comprende. Ma questa è soltanto una parte della competenza necessaria. Un’organizzazione non è composta da piattaforme, procedure e dati; è composta da persone che interpretano ciò che accade attraverso esperienze, aspettative, timori, interessi e percezioni differenti.
Chi guida la trasformazione deve quindi essere capace anche di leggere ciò che non compare in un report. Deve comprendere quando una resistenza nasce dalla paura e quando invece segnala un problema reale che il progetto tecnologico non ha considerato. Deve distinguere chi rifiuta il cambiamento per abitudine da chi sta sollevando un’obiezione fondata. Deve capire quando una persona ha bisogno di formazione, quando necessita di maggiore chiarezza sul proprio ruolo e quando invece un’organizzazione sta utilizzando la parola “innovazione” per evitare di affrontare problemi gestionali che esistevano già molto prima dell’arrivo dell’AI.
Questa capacità di ascolto non indebolisce la leadership. La rende più efficace. Guidare non significa prendere ogni decisione da soli né convincere tutti che la decisione presa sia necessariamente corretta. Significa anche costruire un ambiente nel quale le informazioni possano risalire, le criticità possano essere espresse e gli errori possano essere individuati prima di diventare strutturali. Un leader che introduce sistemi di intelligenza artificiale ma crea contemporaneamente un’organizzazione nella quale nessuno ha il coraggio di dirgli che qualcosa non sta funzionando possiede tecnologia avanzata e un sistema di governo estremamente fragile.
C’è poi un aspetto psicologico ancora più profondo. Ogni trasformazione produce una certa quantità di insicurezza e l’insicurezza non può essere eliminata con una circolare aziendale. Le persone osservano soprattutto il comportamento di chi guida. Se chi dirige presenta l’AI come una soluzione miracolosa e, pochi mesi dopo, abbandona il progetto alla prima difficoltà, l’organizzazione impara che non vale la pena investire realmente nel cambiamento. Se chiede sperimentazione ma punisce chi commette un errore ragionevole durante quella sperimentazione, le persone impareranno rapidamente a non sperimentare. Se sostiene di voler sviluppare autonomia ma continua a controllare ogni passaggio, il messaggio reale sarà molto diverso da quello dichiarato.
La leadership della trasformazione si costruisce quindi attraverso una coerenza molto concreta tra ciò che si dice e ciò che si fa. E questo significa che chi guida deve accettare per primo una condizione che per molti manager non è facile: non poter conoscere già tutte le risposte. La velocità con la quale l’intelligenza artificiale evolve rende quasi impossibile costruire oggi un modello definitivo destinato a rimanere invariato per anni. Strumenti che consideriamo avanzati possono diventare rapidamente ordinari; attività che oggi richiedono procedure complesse possono essere automatizzate domani; rischi che oggi sembrano marginali possono assumere maggiore importanza e competenze che consideriamo essenziali possono cambiare natura.
Il leader, allora, non è più soltanto colui che conosce la strada e dice agli altri di seguirla. Deve diventare anche colui che costruisce le condizioni affinché l’organizzazione sappia orientarsi mentre la strada cambia. Questo richiede capacità di apprendimento, disponibilità a correggere le proprie convinzioni, umiltà intellettuale e contemporaneamente fermezza nel mantenere principi, responsabilità e obiettivi. Non è debolezza ammettere che una soluzione non ha funzionato; può diventare debolezza insistere su quella soluzione soltanto perché siamo stati noi a sceglierla.
Da questo punto di vista, l’intelligenza artificiale mette alla prova anche l’ego di chi guida. Una tecnologia capace di produrre in pochi secondi analisi, proposte e alternative può essere percepita come uno strumento straordinario oppure come qualcosa che mette in discussione il ruolo di chi ha sempre costruito la propria autorevolezza sulla capacità di conoscere più degli altri. È un passaggio che riguarda manager, imprenditori e professionisti esattamente come riguarda ogni altro lavoratore. Se la nostra leadership dipende esclusivamente dal fatto di possedere informazioni che gli altri non hanno, l’AI probabilmente la metterà in difficoltà. Se invece dipende dalla capacità di interpretare quelle informazioni, assumersi responsabilità, costruire fiducia e orientare le persone verso un obiettivo, la tecnologia può renderla persino più efficace.
È anche per questo che considero sbagliato contrapporre continuamente tecnologia e capacità umane. Alcune delle competenze che diventeranno più importanti sono proprio quelle che per anni abbiamo definito, forse con troppa leggerezza, “soft skills”, quasi fossero competenze secondarie rispetto a quelle tecniche. Capacità di ascolto, comunicazione, gestione del conflitto, comprensione delle persone, costruzione della fiducia, capacità di dare feedback, negoziazione, visione e giudizio diventano invece centrali quando un’organizzazione deve affrontare un cambiamento che tocca contemporaneamente processi e identità professionali.
Non significa trasformare il manager in uno psicologo né pretendere che chi guida possieda tutte le competenze specialistiche necessarie. Significa però riconoscere che una trasformazione di questa portata richiede sensibilità organizzativa. Una decisione tecnologicamente razionale può fallire se viene introdotta nel momento sbagliato, comunicata male o percepita come una minaccia. Allo stesso modo, una scelta che richiede qualche mese in più per essere implementata può produrre risultati molto migliori se le persone ne comprendono la logica, partecipano alla sperimentazione e si sentono parte della trasformazione.
La leadership deve quindi lavorare su due velocità contemporaneamente. Da una parte deve essere abbastanza rapida da non permettere all’organizzazione di rimanere immobile mentre il contesto cambia; dall’altra deve essere abbastanza lucida da non trasformare ogni nuova possibilità tecnologica in una nuova priorità aziendale. È un equilibrio difficile, perché l’intelligenza artificiale alimenta continuamente la sensazione che si possa fare qualcosa di nuovo, più velocemente e con meno risorse. Ma proprio questa abbondanza di possibilità rende la selezione ancora più importante.
Guidare significa anche dire di no. Significa decidere che una determinata attività potrebbe essere automatizzata ma non è ancora opportuno farlo. Significa riconoscere che un nuovo strumento è interessante ma non risponde alle priorità dell’impresa. Significa evitare che le persone siano costrette a cambiare piattaforma ogni settimana soltanto perché è comparsa una nuova funzione. Significa costruire una direzione abbastanza stabile da consentire all’organizzazione di imparare, pur mantenendo la flessibilità necessaria per correggerla.
In questo senso ritrovo nuovamente il legame con il Metodo 3C. La leadership non arriva dopo Contesto, Consapevolezza e Comprensione come se fosse un elemento separato; è ciò che consente a quel percorso di diventare decisione e azione organizzativa. Leggere il contesto senza decidere produce analisi. Avere consapevolezza senza assumere responsabilità produce prudenza. Comprendere senza trasformare la comprensione in una direzione lascia l’organizzazione ferma. La leadership è quindi anche la capacità di assumere il rischio ragionato della decisione quando abbiamo raccolto elementi sufficienti, sapendo che nessuna trasformazione complessa offrirà mai la certezza assoluta.
Ed è qui che il rapporto tra leadership e intelligenza artificiale diventa, a mio giudizio, uno dei temi più interessanti dei prossimi anni. Perché avremo macchine sempre più capaci di fornire alternative, ma continueremo ad avere bisogno di persone capaci di scegliere. Avremo sistemi sempre più veloci nel produrre informazioni, ma serviranno persone capaci di attribuire loro un significato. Avremo organizzazioni sempre più automatizzate, ma proprio per questo dovremo essere ancora più precisi nel definire responsabilità, limiti e direzione.
La tecnologia può aumentare enormemente la nostra capacità di fare.
La leadership continua a determinare perché lo facciamo, dove vogliamo arrivare e quale responsabilità siamo disposti ad assumerci lungo il percorso.
Ed è probabilmente da questa distinzione che dobbiamo partire anche per affrontare un’altra domanda che accompagna praticamente ogni discussione sull’intelligenza artificiale: quale spazio resterà all’uomo quando le macchine saranno capaci di fare sempre di più?
Forse, però, è la domanda ad essere formulata male.
Uomo e AI: la domanda non è chi sostituirà chi
Ogni volta che una nuova tecnologia raggiunge una capacità che fino a poco tempo prima sembrava appartenere esclusivamente alle persone, il dibattito tende rapidamente a ridursi a una domanda: quanti lavori verranno sostituiti? È comprensibile che accada, perché il lavoro non rappresenta soltanto una fonte di reddito, ma riguarda identità, stabilità, prospettive familiari, posizione sociale e capacità di progettare il proprio futuro. Sarebbe quindi superficiale liquidare il tema sostenendo semplicemente che ogni innovazione ha sempre creato nuove opportunità, così come sarebbe altrettanto superficiale concludere che l’intelligenza artificiale renderà inevitabilmente marginale il contributo umano. Entrambe le letture cercano una risposta definitiva a un processo che, invece, è ancora profondamente aperto e che probabilmente avrà effetti molto differenti a seconda dei settori, delle professioni, delle competenze e soprattutto della capacità delle organizzazioni di governare la transizione.
Quello che possiamo già osservare, tuttavia, è che ragionare soltanto in termini di sostituzione rischia di impedirci di vedere la trasformazione più profonda. Un lavoro non è quasi mai una singola attività. È un insieme di compiti, responsabilità, decisioni, relazioni, conoscenze e situazioni che possiedono livelli molto differenti di complessità. All’interno della stessa professione possono esistere attività ripetitive facilmente automatizzabili, attività che l’AI può supportare ma che richiedono controllo umano e altre che dipendono dalla capacità di comprendere un contesto, assumere responsabilità, negoziare, costruire fiducia o gestire situazioni impreviste. La vera trasformazione potrebbe quindi avvenire prima ancora nella composizione del lavoro che nella scomparsa completa delle professioni.
Se una persona dedica oggi diverse ore alla settimana a cercare informazioni, riordinare dati, predisporre documenti standardizzati, produrre prime bozze o svolgere attività amministrative ripetitive, è ragionevole pensare che una parte crescente di questo lavoro possa essere automatizzata o fortemente assistita. Ma da qui non deriva automaticamente che quella persona non serva più. Deriva una domanda molto più impegnativa per l’impresa: che cosa vogliamo fare della capacità professionale e del tempo che la tecnologia rende disponibili? Possiamo semplicemente utilizzare l’AI per ridurre il costo necessario a produrre lo stesso risultato oppure possiamo utilizzare quella capacità liberata per migliorare il servizio, approfondire l’analisi, seguire meglio il cliente, sviluppare nuovi progetti, aumentare la qualità e costruire attività che prima non riuscivamo a svolgere.
Questa scelta non viene effettuata dalla tecnologia. È una scelta organizzativa, economica e, ancora una volta, di leadership. La stessa innovazione può essere utilizzata all’interno di due aziende per raggiungere risultati completamente differenti: una può cercare esclusivamente di ridurre il lavoro umano necessario a svolgere le attività esistenti, mentre l’altra può utilizzare l’automazione per spostare progressivamente le persone verso attività a maggiore valore. Nessuna delle due direzioni può essere esclusa a priori e sarebbe ingenuo negare che in alcuni settori e in alcune funzioni l’automazione potrà produrre una riduzione significativa della necessità di determinate attività. Ma proprio per questo è necessario cominciare oggi a interrogarsi seriamente non soltanto sui posti di lavoro, ma sulla trasformazione delle competenze.
Se continuiamo a formare persone per essere eccellenti soprattutto nelle attività che una macchina impara rapidamente a svolgere, creiamo inevitabilmente una vulnerabilità. Se invece utilizziamo questo momento per rafforzare quelle capacità attraverso le quali la persona governa, interpreta, verifica e completa il lavoro della tecnologia, la relazione cambia. Non significa cercare disperatamente un elenco di attività che l’AI “non riuscirà mai” a fare, perché sarebbe probabilmente un esercizio destinato a essere smentito dall’evoluzione stessa della tecnologia. Significa costruire competenze che mantengano valore anche quando cambiano gli strumenti: capacità di comprendere problemi complessi, leggere contesti, assumere responsabilità, valutare conseguenze, comunicare, negoziare, coordinare persone, riconoscere anomalie, costruire relazioni e prendere decisioni quando le informazioni non sono complete.
Questa prospettiva modifica anche il modo nel quale dovremmo pensare alla competenza professionale. Per molto tempo il valore di una persona è dipeso in parte dalla quantità di informazioni che possedeva e dalla velocità con cui riusciva a recuperarle. Oggi questo vantaggio tende progressivamente a ridursi. La disponibilità immediata di enormi quantità di informazioni e la capacità dell’intelligenza artificiale di elaborarle rendono meno decisivo il semplice possesso della conoscenza e aumentano il valore della capacità di utilizzarla correttamente. Sapere qualcosa continuerà ad essere importante, perché senza conoscenza non possiamo neppure valutare la qualità di ciò che una macchina ci propone, ma diventerà sempre più importante sapere che cosa fare con quella conoscenza, quali collegamenti costruire, quali domande porre e quali conseguenze considerare.
È un cambiamento che riguarda anche professioni considerate altamente qualificate. Un avvocato, un consulente, un manager, un medico, un ingegnere, un formatore o un professionista della comunicazione non possono presumere che l’AI resterà confinata alle mansioni più elementari. Gli strumenti saranno sempre più capaci di intervenire anche su attività cognitive complesse. Ma questo non rende inutile la competenza specialistica; può renderla, al contrario, ancora più necessaria nella fase di controllo e interpretazione. Quanto più convincente diventa il risultato prodotto dalla macchina, tanto più importante diventa possedere la competenza necessaria per riconoscere quando quel risultato è soltanto apparentemente corretto.
Da questo punto di vista, il rischio maggiore potrebbe non essere rappresentato dall’intelligenza artificiale che sostituisce direttamente la persona, ma dalla persona che utilizza l’intelligenza artificiale senza possedere abbastanza competenza per capire quando sta sbagliando. Un errore umano può essere limitato dalla quantità di lavoro che una persona riesce materialmente a produrre; un errore incorporato in un processo automatizzato può invece essere replicato centinaia o migliaia di volte con straordinaria efficienza. Ecco perché la capacità critica non è una competenza accessoria della nuova organizzazione del lavoro, ma una delle sue infrastrutture fondamentali.
Dobbiamo inoltre evitare di trasformare il rapporto tra uomo e AI in una competizione basata esclusivamente sulla velocità. Su quel terreno la persona è destinata, in molte attività, a perdere. Non possiamo competere con una macchina sulla quantità di dati elaborabili in pochi secondi e non avrebbe nemmeno senso provarci. Il valore umano deve spostarsi dove la velocità, da sola, non è sufficiente: nella capacità di comprendere che cosa meriti attenzione, di attribuire priorità, di considerare conseguenze che non possono essere ridotte a un parametro numerico, di assumersi responsabilità, di comprendere le persone coinvolte e di decidere anche quando nessuna alternativa è perfetta.
Questo non significa costruire una visione romantica dell’essere umano, come se fossimo naturalmente sempre più saggi delle macchine. Le persone sbagliano, sono condizionate da pregiudizi, possono decidere male, dimenticare informazioni e difendere le proprie convinzioni anche davanti a dati contrari. Proprio per questo la relazione più interessante non è quella nella quale l’uomo cerca di dimostrare di essere superiore all’intelligenza artificiale, ma quella nella quale utilizza l’AI anche per mettere alla prova i propri limiti. Un sistema può aiutarci a cercare controargomentazioni, individuare incoerenze, confrontare scenari e ricordarci elementi che abbiamo trascurato. Ma affinché questo rapporto produca valore, la persona deve essere abbastanza consapevole da accettare che lo strumento possa metterla in discussione senza, per questo, consegnargli automaticamente la decisione finale.
È qui che ritorna un concetto che attraversa tutto questo ragionamento: la responsabilità. Possiamo delegare attività e possiamo automatizzare processi, ma dobbiamo essere molto più prudenti quando parliamo di delegare responsabilità. Se una decisione produce conseguenze su persone, clienti, lavoratori, investimenti, sicurezza, diritti o reputazione, qualcuno deve sapere perché quella decisione è stata presa e deve poterne rispondere. Più aumenta la presenza dell’intelligenza artificiale nella catena decisionale, più diventa necessario rendere visibile questa responsabilità invece di lasciarla disperdere tra persone, sistemi e procedure.
La trasformazione del lavoro, quindi, non dovrebbe essere affrontata soltanto domandandoci quali attività possiamo togliere alle persone, ma chiedendoci quali responsabilità vogliamo affidare loro in modo più pieno. Se liberiamo un professionista da ore di lavoro ripetitivo ma continuiamo a trattarlo come semplice esecutore, abbiamo probabilmente sprecato una parte importante del potenziale della tecnologia. Se invece utilizziamo quello spazio per svilupparne autonomia, capacità di analisi, relazione e decisione, l’AI può diventare uno strumento attraverso il quale aumentare non soltanto la produttività ma anche la qualità professionale del lavoro.
Naturalmente questo richiede investimenti. Richiede formazione, tempo, sperimentazione e la disponibilità ad accompagnare persone che non si trasformeranno tutte alla stessa velocità. Richiede soprattutto una visione diversa da quella secondo la quale l’innovazione deve produrre immediatamente un risparmio quantificabile. Alcuni risultati saranno economici e dovranno essere misurati; altri riguarderanno capacità organizzativa, qualità, riduzione degli errori, rapidità decisionale, maggiore attenzione al cliente e crescita delle competenze. Se valutiamo la trasformazione esclusivamente attraverso il numero di ore eliminate, rischiamo di misurare soltanto una piccola parte del valore generabile.
Credo quindi che la contrapposizione fra uomo e macchina ci conduca verso un vicolo cieco. La domanda più utile non è stabilire chi vincerà, ma capire quale organizzazione del lavoro vogliamo costruire quando persone e sistemi intelligenti potranno collaborare in maniera sempre più stretta. È una domanda più difficile perché non permette di attribuire alla tecnologia tutta la responsabilità di ciò che accadrà. Ci obbliga a scegliere.
Dovremo scegliere che cosa automatizzare e che cosa preservare, quali competenze sviluppare, quanto investire nella crescita delle persone, quali controlli mantenere, quali autonomie concedere e quale idea di impresa vogliamo costruire. Dovremo decidere se utilizzare l’intelligenza artificiale principalmente per fare le stesse cose con meno persone oppure per permettere alle persone di fare cose che prima non riuscivano a fare. E molto probabilmente, nella realtà, le aziende si muoveranno lungo entrambe le direzioni, con equilibri differenti a seconda dei settori e dei momenti.
Ma proprio perché non esiste una risposta unica, diventa ancora più importante avere un metodo e una leadership capaci di prendere queste decisioni senza nascondersi dietro l’idea che sia la tecnologia a imporcele. L’intelligenza artificiale aprirà possibilità e produrrà pressioni competitive molto forti, ma il modo nel quale quelle possibilità verranno trasformate in organizzazione resterà, almeno per una parte decisiva, una scelta umana.
E forse la vera sfida che abbiamo davanti non consiste nel dimostrare che l’uomo possiede qualcosa che una macchina non potrà mai avere. Consiste nel fare in modo che, mentre le macchine diventano capaci di svolgere sempre più attività, noi non rinunciamo proprio alle capacità che rendono utile la nostra presenza: comprendere, scegliere, assumerci responsabilità, costruire relazioni e dare una direzione a ciò che siamo capaci di fare.
È da qui che possiamo cominciare a immaginare non semplicemente un’azienda che utilizza l’intelligenza artificiale, ma un’organizzazione nella quale persone e AI vengono integrate in modo consapevole, con ruoli, responsabilità e processi ripensati.
Ed è un passaggio molto diverso dall’aprire un account e iniziare a utilizzare un nuovo strumento.
Dall’azienda che usa l’AI all’azienda AI-integrata
Arrivati a questo punto credo sia necessario fare un’ulteriore distinzione, perché nei prossimi anni rischieremo di definire “aziende che utilizzano l’intelligenza artificiale” realtà profondamente diverse tra loro. Un’impresa nella quale alcuni collaboratori utilizzano ChatGPT per scrivere una mail, preparare una presentazione o sintetizzare un documento utilizza certamente l’AI, così come la utilizza un professionista che la impiega per analizzare informazioni o costruire una prima bozza di lavoro. Ma questo non significa ancora che l’intelligenza artificiale sia realmente entrata nell’organizzazione. Significa, più semplicemente, che alcune persone hanno inserito un nuovo strumento all’interno del proprio modo individuale di lavorare. Il passaggio successivo, molto più complesso e molto più interessante, avviene quando l’AI smette di essere soltanto uno strumento utilizzato dalla persona e comincia ad essere integrata nei processi attraverso i quali l’impresa raccoglie informazioni, organizza attività, controlla scadenze, produce documenti, comunica, analizza risultati e costruisce decisioni.
È una differenza sulla quale sto riflettendo molto anche attraverso la sperimentazione diretta, perché quando iniziamo a collegare tra loro attività che prima vivevano separatamente ci accorgiamo rapidamente che il vero potenziale dell’intelligenza artificiale non consiste soltanto nel fare meglio una singola cosa. Il salto avviene quando informazioni, agenda, documentazione, attività operative, comunicazione e controllo iniziano a dialogare all’interno di un sistema nel quale una determinata informazione non deve essere ricercata ogni volta da capo, una scadenza non dipende esclusivamente dalla memoria della persona che la conosce e un’attività conclusa produce automaticamente gli elementi necessari per quella successiva. In quel momento l’AI non sta semplicemente accelerando il lavoro: sta contribuendo a modificare l’architettura attraverso la quale il lavoro viene organizzato.
Questo passaggio, tuttavia, è molto più delicato di quanto possa sembrare, perché integrare non significa collegare tutto a tutto. Anzi, una delle prime lezioni che emergono quando si sperimentano sistemi più complessi è che l’automazione senza una struttura può produrre esattamente il contrario dell’efficienza. Se una fonte contiene informazioni sbagliate e viene utilizzata automaticamente da cinque processi diversi, l’errore non viene eliminato: viene distribuito. Se una responsabilità non è definita e introduciamo un sistema capace di prendere iniziative, il problema non scompare: diventa più difficile stabilire chi avrebbe dovuto controllare. Se un’attività non possiede una priorità chiara e la colleghiamo a un sistema estremamente veloce, potremo semplicemente svolgere con maggiore efficienza qualcosa che non era importante.
È qui che ritorna la centralità del metodo. Prima di integrare l’intelligenza artificiale occorre sapere quali siano le fonti affidabili, quali dati possano essere utilizzati, chi sia responsabile del processo, quali passaggi possano essere automatizzati, quali debbano essere verificati e quali decisioni non possano essere delegate. Significa distinguere tra ciò che il sistema può fare autonomamente, ciò che può proporre e ciò che deve restare necessariamente subordinato ad una decisione umana. Non è soltanto una questione tecnica. È governance dell’organizzazione, perché nel momento nel quale l’AI comincia a muovere informazioni e attività tra diversi processi dobbiamo essere molto più precisi nel definire poteri, limiti e responsabilità.
Proviamo a pensare ad un esempio estremamente semplice. Un’impresa riceve ogni giorno decine o centinaia di comunicazioni attraverso email, moduli, messaggi e documenti. Nel modello tradizionale qualcuno deve leggerle, comprenderle, classificarle, inoltrarle alla persona competente, ricordarsi eventualmente di verificarne l’esito e recuperare successivamente la documentazione relativa. Una parte significativa del lavoro organizzativo nasce esattamente da questi passaggi invisibili: non dalla decisione vera e propria, ma dalla necessità di portare l’informazione nel posto giusto al momento giusto. Un sistema AI-integrato può aiutare a leggere, classificare, individuare priorità, collegare una comunicazione ad una pratica esistente, segnalare una scadenza, predisporre gli elementi per una risposta e ricordare che quella risposta non è ancora arrivata. Ma la qualità di tutto questo dipende dalle regole che abbiamo costruito prima. Se il sistema non sa distinguere una comunicazione commerciale da una contestazione formale, una richiesta ordinaria da una scadenza legale o una semplice informazione da qualcosa che richiede l’intervento immediato di una persona, la sua velocità serve a poco.
Lo stesso ragionamento può essere applicato alla pianificazione. Oggi molta parte della nostra organizzazione dipende dalla capacità individuale di ricordare ciò che dobbiamo fare, confrontarlo con ciò che abbiamo già programmato e decidere continuamente quale attività debba venire prima. Un’intelligenza artificiale collegata correttamente alle informazioni organizzative può contribuire a costruire una pianificazione dinamica, rilevare sovrapposizioni, riconoscere scadenze, suggerire priorità e riorganizzare attività quando il contesto cambia. Ma anche qui la tecnologia non conosce automaticamente ciò che per noi è importante. Deve esistere una gerarchia delle priorità, devono essere definiti vincoli, devono essere riconosciute attività che non possono essere interrotte e deve essere sempre chiaro chi può modificare una programmazione e in quali condizioni.
Questo, a mio avviso, è il punto nel quale molte discussioni sull’intelligenza artificiale diventano eccessivamente semplicistiche. Si mostra ciò che un agente può fare, ciò che un’automazione può produrre o quanto velocemente un sistema riesca a completare una sequenza di operazioni, ma si dedica molta meno attenzione alla struttura necessaria affinché quell’autonomia sia affidabile. La vera maturità di un’organizzazione non si misura dalla quantità di attività che riesce ad automatizzare, ma dalla capacità di sapere quali automatizzare, fino a quale punto e sotto quale controllo. Un processo completamente automatizzato ma non verificabile può essere molto meno evoluto di un processo parzialmente automatizzato nel quale responsabilità, controlli e criteri di intervento umano sono perfettamente definiti.
Ed è proprio qui che compare una questione spesso sottovalutata: la qualità dei dati e delle informazioni. L’intelligenza artificiale può elaborare enormi quantità di contenuti, ma se un’organizzazione non sa distinguere una fonte ufficiale da una bozza, un dato verificato da un dato provvisorio, una decisione vigente da una proposta superata o un documento aggiornato da una vecchia versione, l’AI rischia di trasformare il disordine informativo in disordine automatizzato. Più integriamo i sistemi e più diventa necessario costruire quella che potremmo definire una disciplina dell’informazione: sapere quale sia la fonte autorevole, chi possa modificarla, quando sia stata aggiornata e quale stato possieda in quel momento.
Questo comporta inevitabilmente anche un cambiamento culturale. In molte organizzazioni la conoscenza è ancora personale. “Chiedi a lui perché lo sa”, “quel documento ce l’ha lei”, “quella procedura l’abbiamo sempre fatta così”, “la scadenza se la ricorda l’amministrazione”. Sono formule che conosciamo tutti e che, finché l’organizzazione è piccola e le persone restano le stesse, possono perfino sembrare efficienti. Ma rappresentano una fragilità enorme quando cresce la complessità. L’intelligenza artificiale può aiutarci a trasformare parte di questa conoscenza individuale in conoscenza organizzativa, ma per farlo dobbiamo prima renderla esplicita, verificabile e accessibile secondo regole definite. Una macchina non può organizzare in maniera affidabile ciò che l’organizzazione stessa non ha mai chiarito.
È per questo che considero l’integrazione dell’AI anche una straordinaria occasione di audit organizzativo. Nel momento in cui proviamo a spiegare a un sistema come funziona realmente un processo siamo costretti a scoprire quante eccezioni esistano, quanti passaggi siano impliciti, quante decisioni dipendano dall’esperienza non documentata di una singola persona e quante attività vengano svolte semplicemente perché “si è sempre fatto così”. L’intelligenza artificiale, quindi, può diventare non soltanto uno strumento per automatizzare processi, ma un’occasione per costringerci finalmente a guardarli.
E questo ci porta nuovamente alle persone. Perché quando un processo diventa più integrato e più automatizzato, il ruolo umano non scompare: cambia posizione. La persona si sposta progressivamente dall’esecuzione continua di alcuni passaggi verso il controllo, la gestione delle eccezioni, l’interpretazione e la decisione. Ma questo spostamento non avviene automaticamente e non sempre viene vissuto come una promozione professionale. Una persona che conosce perfettamente una procedura manuale può sentirsi inizialmente meno competente davanti a un sistema che ne automatizza una parte. Per questo l’organizzazione deve accompagnare quel cambiamento e chiarire che cosa si aspetta dal nuovo ruolo, quali competenze saranno necessarie e quale spazio di responsabilità verrà affidato alla persona.
In altre parole, un’azienda AI-integrata non dovrebbe essere un’azienda nella quale le persone fanno sempre meno perché le macchine fanno sempre di più. Dovrebbe essere un’organizzazione nella quale le macchine svolgono ciò che possono svolgere meglio e le persone vengono progressivamente liberate per occuparsi di ciò che richiede maggiore comprensione, responsabilità, relazione e capacità di affrontare l’eccezione. È una differenza enorme, perché determina anche la cultura che si costruisce intorno alla trasformazione. Se l’AI viene percepita esclusivamente come uno strumento attraverso il quale ridurre il lavoro umano, la resistenza sarà inevitabilmente maggiore; se diventa anche uno strumento attraverso il quale migliorare la qualità del lavoro umano, può aprire una prospettiva completamente differente.
Naturalmente non dobbiamo essere ingenui. L’integrazione dell’intelligenza artificiale produrrà anche scelte economiche, ridisegno degli organici, trasformazione delle funzioni e probabilmente la scomparsa di alcune attività oggi svolte dalle persone. Negarlo sarebbe poco serio. Ma proprio per questo ritengo ancora più importante che le imprese affrontino questo passaggio con una visione e non soltanto con una logica di riduzione dei costi. Un’organizzazione che utilizza l’AI esclusivamente per eliminare ore di lavoro può ottenere un vantaggio immediato; un’organizzazione che utilizza quella stessa tecnologia per ripensare processi, sviluppare competenze, migliorare il controllo e aumentare la propria capacità di prendere decisioni può costruire un vantaggio molto più profondo.
La differenza tra utilizzare l’AI ed essere realmente AI-integrati sta quindi proprio qui. Non nella quantità di software acquistati, non nel numero di agenti creati e nemmeno nella percentuale di attività automatizzate. Sta nella capacità dell’organizzazione di costruire una relazione coerente tra persone, informazioni, processi, tecnologia, responsabilità e decisioni. Quando questi elementi cominciano a dialogare, l’intelligenza artificiale smette di essere semplicemente uno strumento aggiunto al lavoro e diventa parte dell’architettura attraverso la quale il lavoro stesso viene governato.
Ma proprio nel momento in cui la tecnologia diventa più integrata emerge con ancora maggiore forza una responsabilità che non possiamo permetterci di dimenticare: un sistema capace di agire più velocemente, su più processi e con maggiore autonomia può produrre molto più valore, ma può anche distribuire molto più rapidamente un errore, una scelta sbagliata o un’informazione non corretta.
Ed è per questo che la trasformazione non può concludersi con l’integrazione.
Deve arrivare alla governance.
Perché prima o poi, dietro ogni sistema, ogni automazione e ogni decisione assistita dall’intelligenza artificiale, dobbiamo essere ancora capaci di rispondere ad alcune domande estremamente semplici: chi decide, chi controlla e chi risponde delle conseguenze?
Alla fine, qualcuno deve ancora decidere
Più l’intelligenza artificiale entrerà nei processi aziendali, più avremo bisogno di governance. Non governance intesa come burocrazia aggiunta alla tecnologia, ma come capacità di stabilire chi può fare cosa, utilizzando quali informazioni, entro quali limiti e sotto quale responsabilità. Perché ogni volta che aumentiamo l’autonomia di un sistema dobbiamo aumentare parallelamente la chiarezza con cui definiamo il perimetro all’interno del quale quella autonomia può essere esercitata.
Dobbiamo distinguere ciò che l’AI può fare autonomamente da ciò che può soltanto proporre, ciò che richiede una verifica e ciò che non deve essere delegato. Dobbiamo sapere dove si trova la fonte originale dell’informazione, come viene verificata, quando un sistema deve fermarsi e chiedere l’intervento umano e chi possiede la responsabilità finale.
Più integriamo l’AI, meno possiamo permetterci organizzazioni basate sulle formule “credevo che”, “pensavo che lo facesse lui”, “il sistema aveva indicato così” oppure “nessuno si era accorto dell’errore”. La tecnologia aumenta la capacità dell’organizzazione, ma proprio per questo rende ancora più importante la sua disciplina.
Ed è qui che, tornando al punto dal quale sono partito, credo emerga il vero significato della trasformazione che abbiamo davanti. Non basta avere l’intelligenza artificiale, non basta saperla utilizzare e non basta nemmeno formare tecnicamente le persone. Dobbiamo costruire organizzazioni capaci di comprenderla, inserirla dentro processi coerenti, governarne i limiti, preparare psicologicamente le persone, sviluppare competenze e creare una leadership capace di assumersi la responsabilità della direzione.
Il Metodo 3C mi porta continuamente a tornare a questa sequenza: osservare il Contesto, costruire Consapevolezza, arrivare alla Comprensione e soltanto dopo trasformare ciò che abbiamo compreso in decisione, azione e verifica. È una logica che considero ancora più importante davanti a una tecnologia capace di offrirci risposte sempre più rapidamente, perché proprio quando tutto accelera aumenta il rischio di prendere decisioni prima di avere realmente compreso ciò che stiamo facendo.
Nei miei studi, nelle sperimentazioni che sto portando avanti e nei libri nei quali ho affrontato da prospettive differenti tecnologia, organizzazione, responsabilità e leadership, continuo a ritrovare la stessa domanda: chi governa il cambiamento?
La risposta non può essere semplicemente “la tecnologia”. La tecnologia può moltiplicare le nostre possibilità, ma non può sostituire la responsabilità di scegliere quale organizzazione vogliamo costruire. Può aiutarci a vedere più possibilità, ma qualcuno deve stabilire quale perseguire. Può accelerare il lavoro, ma qualcuno deve decidere verso quale obiettivo dirigere quella velocità. Può elaborare informazioni, ma qualcuno deve attribuire loro significato. Può suggerire una decisione, ma qualcuno deve assumersi la responsabilità delle conseguenze.
Ed è per questo che credo che la sfida dell’intelligenza artificiale nelle imprese non sarà soltanto una sfida tecnologica. Sarà contemporaneamente culturale, organizzativa, psicologica, formativa e manageriale.
Le imprese che comprenderanno questo passaggio non saranno necessariamente quelle che utilizzeranno il maggior numero di strumenti o che automatizzeranno per prime ogni processo. Saranno probabilmente quelle capaci di costruire un equilibrio più maturo tra potenza tecnologica e capacità umana, tra velocità e comprensione, tra autonomia dei sistemi e responsabilità delle persone.
Perché possiamo installare un software. Possiamo configurare una piattaforma. Possiamo automatizzare un processo. Ma una trasformazione che coinvolge persone, organizzazione, cultura, competenze e responsabilità non si installa.
Si guida.
Enrico Bombelli — Segretario Generale Conflombardia
