Adozione dell’IA: conoscere l’esito altera il giudizio a Basilea?
Per decidere se adottare un’IA, un team può sottoporle situazioni passate di cui conosce già l’esito. La domanda manageriale è precisa: come valutare la qualità di una raccomandazione senza attribuirle retrospettivamente un’evidenza che non esisteva al momento della decisione?
Che cosa stabilisce la letteratura
Baruch Fischhoff (1975, Journal of Experimental Psychology: Human Perception and Performance) ha dimostrato sperimentalmente che conoscere l’esito di un evento modifica la stima retrospettiva della sua probabilità. I partecipanti non tengono pienamente conto di questa influenza quando valutano ciò che avrebbero potuto prevedere senza tale informazione. Per un team che esamina una raccomandazione dell’IA dopo i fatti, il rischio è confondere ciò che appare evidente oggi con ciò che era conoscibile ieri.
Il risultato può modificare anche la valutazione della decisione
Jonathan Baron e John C. Hershey (1988, Journal of Personality and Social Psychology) hanno mostrato che il risultato di una decisione influenza la valutazione della sua qualità, anche quando le informazioni disponibili al momento della scelta sono identiche. Questo bias del risultato si distingue dal bias retrospettivo: riguarda non soltanto ciò che sembrava prevedibile, ma anche il valore attribuito alla scelta stessa. Una raccomandazione ragionevole può quindi essere svalutata dopo un esito sfavorevole, mentre una raccomandazione poco fondata beneficia di un esito fortunato.
La conclusione affrettata
Si potrebbe concludere che occorra escludere i casi conclusi dalle prove per l’adozione dell’IA. Queste ricerche non lo impongono: suggeriscono piuttosto di separare l’esame delle informazioni disponibili al momento della scelta da quello del risultato ottenuto. Un esito favorevole resta pertinente, ma non basta, da solo, a dimostrare la qualità di una raccomandazione. (i nostri percorsi di formazione per quadri e collaboratori)
Che cosa questi studi non permettono di affermare
Questi esperimenti riguardano il giudizio umano, non l’adozione di un’IA generativa in un’azienda basilese. Non quantificano quindi né l’entità del bias in un team di R&S né il suo effetto sulla decisione di dotare un reparto di strumenti di IA. Un’ulteriore difficoltà riguarda gli strumenti stessi: quando un caso storico è pubblico, nasconderne l’esito ai valutatori non garantisce che il modello lo ignori.
Una verifica pratica a Basilea
Nell’ambito del programma SHR « Conduire l’adoption de l’IA dans son équipe », un team basilese del settore farmaceutico o delle scienze della vita potrebbe esaminare una raccomandazione relativa a un approvvigionamento attraverso la logistica renana per un progetto internazionale di R&S, utilizzando un caso fittizio realistico con un esito stabilito in anticipo. Due gruppi esaminerebbero esattamente le stesse informazioni e la stessa raccomandazione, ma soltanto uno conoscerebbe l’esito, utilizzando una griglia comune relativa alla motivazione, alle incertezze e alle alternative considerate. La misura sarebbe la differenza tra i punteggi medi attribuiti dai due gruppi, accompagnata dalle loro motivazioni scritte. Una differenza non dimostrerebbe da sola un bias, ma offrirebbe al responsabile un motivo verificabile per riesaminare la valutazione prima di trarre conclusioni sulla qualità dello strumento. Per approfondire: scoprite la formazione Guidare l'adozione dell'IA nel proprio team a Basilea nel cantone di Basilea Città, oppure sfogliate i nostri percorsi di formazione per quadri e collaboratori in Svizzera.
In Bildern: Guidare l'adozione dell'IA nel proprio team in Basilea
- guidare l'adozione dell'ia nel proprio team
- Basilea
- ricerca
- Weiterbildung basilea