Adozione dell’IA: il destinatario del lavoro resta visibile?
Nel programma «Guidare l’adozione dell’IA nel proprio team» di SHR — Swiss Human Resources, è utile esaminare l’adozione come una trasformazione del lavoro, non soltanto come un cambiamento di strumento. Ne deriva una domanda manageriale precisa: come preservare la comprensione dell’utilità del lavoro per il suo destinatario quando l’IA ne assume alcune fasi?
Che cosa stabilisce la letteratura
John Richard Hackman e Greg Oldham (1976, Organizational Behavior and Human Performance) hanno studiato un modello che collega le caratteristiche del lavoro ai suoi esiti psicologici e motivazionali. La significatività del compito — la sua incidenza sulla vita o sul lavoro di altre persone — contribuisce al significato percepito del lavoro, insieme alla varietà delle competenze e all’identità del compito. Questo quadro distingue quindi l’efficienza nell’esecuzione dall’esperienza di svolgere un lavoro che conta.
Il meccanismo: percepire a chi serve il proprio lavoro
Adam Grant (2008, Journal of Applied Psychology) ha esaminato sperimentalmente gli effetti della significatività del compito sulla prestazione. I suoi risultati evidenziano, tra l’altro, il ruolo dell’impatto sociale percepito e della sensazione che il proprio lavoro sia apprezzato dagli altri, oltre alle condizioni che moderano gli effetti osservati. Per un responsabile, ciò suggerisce di esaminare i riscontri che rendono visibile il contributo del collaboratore, anziché presumere che un maggiore volume di produzione basti a motivarlo.
La conclusione troppo rapida
Si potrebbe dedurne che delegare una parte del lavoro all’IA lo privi necessariamente di significato. Questi studi non lo dimostrano: l’automazione può anche liberare tempo per comprendere una richiesta o assistere un cliente. Il punto non è tanto la quantità di lavoro automatizzata, quanto ciò che la nuova organizzazione lascia vedere delle sue conseguenze per gli altri. (i nostri percorsi di formazione per quadri e collaboratori)
Che cosa questi dati non consentono di concludere
Questi articoli non riguardano né l’IA generativa né le imprese di Lugano e non permettono di prevedere un effetto locale sull’adozione. Il primo verifica un modello di progettazione del lavoro, mentre gli esperimenti del secondo riguardano contesti professionali specifici. Un aumento dei documenti prodotti o un’indagine generale sulla soddisfazione non sarebbero quindi sufficienti a verificare che il legame con il destinatario sia preservato.
Una verifica pratica a Lugano
In una banca, un’impresa di moda, una società di negozio internazionale o una PMI familiare italofona di Lugano, scegliere un solo flusso di lavoro assistito dall’IA e proporre una rilevazione di due settimane, senza trasferire dati riservati al di fuori dei sistemi autorizzati. Per ogni risultato consegnato, annotare in italiano il destinatario, il beneficio atteso e l’eventuale presenza di un riscontro del destinatario che confermi tale beneficio. Calcolare la quota di risultati per i quali esiste questo riscontro, quindi esaminare con il team i casi che ne sono privi: la quota misura la visibilità dell’utilità, non l’utilità stessa, e offre al programma di SHR un punto di partenza concreto per adeguare i circuiti di feedback. 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