Adozione dell’IA: i casi rari scompaiono dalle priorità?
Per avviare l’adozione dell’IA, cominciare dalle attività ricorrenti sembra ragionevole. La domanda manageriale è più precisa: come evitare che questa priorità iniziale escluda stabilmente le situazioni rare, ma importanti?
Che cosa stabilisce la letteratura
James March (1991, Organization Science) formalizza la tensione tra lo sfruttamento delle conoscenze esistenti e l’esplorazione di nuove possibilità. I suoi modelli mostrano come rendimenti più immediati e prevedibili possano favorire lo sfruttamento a scapito dell’esplorazione. Applicato all’IA, questo quadro invita a esaminare non soltanto i miglioramenti ottenuti con gli utilizzi selezionati, ma anche i problemi ai quali il team smette di dedicare attenzione.
Il meccanismo: imparare soprattutto da ciò che si ripete
Daniel Levinthal e James March (1993, Strategic Management Journal) descrivono una miopia dell’apprendimento: le organizzazioni possono privilegiare ciò che è vicino e i successi, trascurando gli orizzonti lontani e gli insuccessi. I riscontri disponibili su un’attività ripetitiva sono più numerosi di quelli relativi a una situazione eccezionale. Un portafoglio di utilizzi dell’IA potrebbe quindi concentrarsi su ciò che produce rapidamente prove di progresso, senza coprire ciò che conta maggiormente quando si verifica un incidente.
La conclusione troppo rapida
Sarebbe eccessivo concludere che occorra privilegiare i casi rari o affidarli all’IA. Cominciare da un’attività frequente e ben delimitata può facilitare l’apprendimento e rendere osservabili i risultati. La precisazione riguarda la selezione: una bassa frequenza, da sola, non è un motivo sufficiente per eliminare un problema dall’agenda manageriale. (i nostri percorsi di formazione per quadri e collaboratori)
Che cosa questi lavori non dimostrano
Questi articoli propongono modelli e un’analisi teorica dell’apprendimento organizzativo, non sperimentazioni sull’IA generativa nei team ginevrini. Non determinano né la distribuzione ottimale degli utilizzi né le situazioni che un sistema attuale può gestire in modo affidabile. Un numero elevato di utilizzi indica la ripetizione di una pratica, non la copertura delle situazioni importanti.
Una verifica pratica a Ginevra
Nell’ambito del programma SHR « Conduire l’adoption de l’IA dans son équipe », un team ginevrino può elencare, prima di selezionare gli utilizzi, alcune situazioni poco frequenti ma ad alta rilevanza: un dossier atipico nel private banking, una richiesta eccezionale in un’organizzazione internazionale, un difetto insolito nell’orologeria di lusso o un’anomalia documentale nel commercio di materie prime. Dopo un mese, si calcola la quota di queste situazioni per cui esiste una decisione documentata: utilizzo dell’IA da sperimentare, gestione umana mantenuta oppure esame rinviato con motivazione. Il numeratore è il numero di situazioni accompagnate da una decisione, il denominatore è l’elenco iniziale invariato; il registro rimane interno e non richiede di trasmettere dati sensibili a uno strumento di IA. Questa misura verifica la copertura delle decisioni manageriali, non le prestazioni dello strumento. Per approfondire: scoprite la formazione Guidare l'adozione dell'IA nel proprio team a Ginevra nel cantone di Ginevra, oppure sfogliate i nostri percorsi di formazione per quadri e collaboratori in Svizzera.
In Bildern: Guidare l'adozione dell'IA nel proprio team in Ginevra
- guidare l'adozione dell'ia nel proprio team
- Ginevra
- ricerca
- Weiterbildung ginevra