Adozione dell’IA: come valutare il lavoro in modo equo?
Quando alcuni collaboratori possono delegare una parte del lavoro all’IA e altri no, la stessa aspettativa di rendimento può nascondere condizioni molto diverse. Per il responsabile del team, la domanda precisa è questa: come valutare il lavoro senza trasformare un accesso diseguale all’IA in un giudizio sul merito individuale?
Che cosa stabilisce la letteratura
Jason Colquitt (2001, Journal of Applied Psychology) fornisce riscontri empirici a favore di quattro dimensioni distinte della giustizia organizzativa: distributiva, procedurale, interpersonale e informativa. L’equità non riguarda quindi soltanto l’esito di una valutazione, ma anche la procedura, il trattamento delle persone e le spiegazioni fornite. Applicata all’IA, questa distinzione porta a esaminare separatamente ciò che viene premiato, come viene presa la decisione e come viene giustificata.
La spiegazione non è un semplice accompagnamento
Jerald Greenberg (1990, Journal of Applied Psychology) ha studiato le reazioni a una riduzione temporanea del salario in un contesto industriale. Il suo studio sul campo indica che una spiegazione approfondita e attenta alla situazione dei dipendenti può attenuare le reazioni sfavorevoli, misurate in particolare attraverso i furti. Lo studio non riguarda l’IA, ma invita a non trattare la spiegazione di una nuova regola di valutazione come un semplice esercizio di comunicazione.
La conclusione troppo rapida
Se ne potrebbe dedurre che basti spiegare bene un aumento degli obiettivi legato all’IA per renderlo equo. Sarebbe confondere la qualità della spiegazione con quella della regola: un criterio trasparente può restare inadeguato se cambiano i compiti, i diritti di accesso o gli obblighi di riservatezza. La questione non è quindi soltanto far accettare la valutazione, ma verificare che i contributi messi a confronto siano stati prodotti in condizioni sufficientemente comparabili. (i nostri percorsi di formazione per quadri e collaboratori)
Che cosa questi dati non permettono di decidere
Questi lavori non stabiliscono né un metodo per valutare il lavoro assistito dall’IA né un effetto causale dell’equità sull’adozione di tali strumenti. Non permettono nemmeno di determinare quale parte di un risultato sia attribuibile al collaboratore, al software o alle risorse messe a disposizione. Nella pratica, aumentare gli obiettivi sulla base di pochi risultati ottenuti rapidamente lascia fuori dal quadro soprattutto il lavoro di verifica e le restrizioni d’uso.
Una verifica pratica a Sion
Nell’ambito del programma SHR « Conduire l’adoption de l’IA dans son équipe », un team a Sion potrebbe esaminare per un mese ogni obiettivo di prestazione modificato in ragione dell’IA. Per ciascun obiettivo registrerebbe i compiti interessati, l’accesso autorizzato allo strumento, il tempo di verifica previsto e le eccezioni giustificate: riservatezza nella sanità, validazione tecnica nell’energia idroelettrica, stagionalità nella viticoltura o nel turismo alpino. La misura sarebbe la proporzione di questi obiettivi per i quali tali condizioni sono documentate e comunicate prima della valutazione, conservando sia il numeratore sia il denominatore. Questa rilevazione non dimostrerebbe l’equità, ma renderebbe verificabile un presupposto: non giudicare le persone sulla base di aspettative le cui condizioni di applicazione restano implicite. Per approfondire: scoprite la formazione Guidare l'adozione dell'IA nel proprio team a Sion nel Canton Vallese, oppure sfogliate i nostri percorsi di formazione per quadri e collaboratori in Svizzera.
In Bildern: Guidare l'adozione dell'IA nel proprio team in Sion
- guidare l'adozione dell'ia nel proprio team
- Sion
- ricerca
- Weiterbildung sion