Adozione dell’IA: ogni utilizzo deve essere tracciabile?

Gli strumenti di IA possono lasciare registrazioni dettagliate delle richieste, delle correzioni e dei risultati prodotti. La domanda manageriale è precisa: quali registrazioni occorre esaminare per controllare i rischi senza trasformare ogni tentativo in una dimostrazione di conformità?

Che cosa stabilisce la letteratura

Ethan Bernstein (2012, Administrative Science Quarterly) studia, in un contesto industriale, il paradosso di una trasparenza che può ostacolare l’apprendimento e la prestazione che intende favorire. Il suo studio sul campo mostra che una protezione circoscritta dall’osservazione può facilitare la sperimentazione e il miglioramento del lavoro. Questo risultato non dimostra che l’IA debba essere sottratta al controllo; mette in discussione l’equivalenza tra maggiore visibilità e migliore controllo.

Rendere conto non produce un effetto unico

Jennifer Lerner e Philip Tetlock (1999, Psychological Bulletin) mostrano, nella loro rassegna della letteratura, che gli effetti dell’obbligo di rendere conto dipendono, tra l’altro, dal momento in cui viene annunciato e dal destinatario della giustificazione. A seconda delle condizioni, può incoraggiare un esame più approfondito oppure l’adeguamento a una posizione attesa. Applicato all’IA, questo meccanismo suggerisce che chiedere a un collaboratore di spiegare i propri criteri di validazione non equivale a far esaminare ogni sua richiesta dal responsabile.

La conclusione troppo rapida

Si potrebbe dedurne che occorra ridurre ogni forma di tracciabilità per favorire l’adozione. Significherebbe confondere uno spazio protetto di sperimentazione con l’assenza di responsabilità per un risultato utilizzato. La distinzione utile riguarda lo scopo del controllo: ricostruire una decisione sensibile non equivale a osservare continuamente il percorso di lavoro di ogni collaboratore. (i nostri percorsi di formazione per quadri e collaboratori)

Che cosa questi dati non permettono di stabilire

Questi lavori non riguardano l’attuale adozione dell’IA generativa nelle imprese luganesi. Non definiscono né un periodo di conservazione delle richieste né un elenco universale delle registrazioni da raccogliere. Gli obblighi applicabili, la riservatezza dei dati e il rischio associato a ciascun utilizzo devono quindi essere esaminati separatamente; un cruscotto delle attività non risponde a queste domande.

Una verifica pratica a Lugano

Nell’ambito del programma SHR « Conduire l’adoption de l’IA dans son équipe », un team luganese potrebbe esaminare, per due settimane, tutte le richieste manageriali di accesso alle proprie registrazioni d’uso dell’IA, senza modificare i registri obbligatori. In una banca, un’impresa di moda, una società di commercio o una PMI familiare italofona, ogni richiesta sarebbe documentata in italiano indicando la finalità, la decisione da supportare e i dati effettivamente necessari. La misura sarebbe la proporzione di richieste che sfociano in un’azione documentata di correzione, validazione o controllo di un rischio, anziché nella semplice constatazione di un’attività. Questo rapporto non dimostrerebbe l’efficacia del controllo, ma offrirebbe una base documentata per discutere gli accessi alle registrazioni la cui finalità rimane indeterminata. Per approfondire: scoprite la formazione Guidare l'adozione dell'IA nel proprio team a Lugano nel Canton Ticino, oppure sfogliate i nostri percorsi di formazione per quadri e collaboratori in Svizzera.

In Bildern: Guidare l'adozione dell'IA nel proprio team in Lugano

• guidare l'adozione dell'ia nel proprio team
• Lugano
• ricerca
• Weiterbildung lugano