IA: definire il problema prima di chiedere soluzioni

Gli strumenti di IA consentono di produrre rapidamente possibili soluzioni a ritardi, non conformità o difficoltà di coordinamento. La domanda manageriale è precisa: come evitare che la prima formulazione sottoposta allo strumento diventi, senza essere esaminata, la definizione ufficiale del problema?

Che cosa stabilisce la letteratura

Amos Tversky e Daniel Kahneman (1974, Science) descrivono, tra gli altri fenomeni, l'ancoraggio: nei compiti di stima, un punto di partenza può orientare il giudizio anche quando è poco pertinente. Gli aggiustamenti successivi possono rimanere insufficienti. Questo risultato invita a esaminare i punti di partenza del ragionamento; non dimostra che una prima risposta dell'IA imponga necessariamente la propria impostazione a un gruppo.

Il meccanismo che mantiene l'impostazione iniziale

Raymond S. Nickerson (1998, Review of General Psychology) sintetizza gli studi sul bias di conferma: la ricerca e l'interpretazione degli elementi disponibili possono favorire una convinzione o un'ipotesi già presente. Chiedere all'IA come correggere una «mancanza di motivazione» presuppone quindi una diagnosi che i fatti potrebbero non sostenere. Il rischio manageriale considerato qui è che l'abbondanza delle soluzioni renda meno visibile tale presupposto.

La conclusione affrettata

Si potrebbe dedurre che occorra sempre definire il problema senza IA. Questi lavori non giustificano un simile divieto: lo strumento può anche proporre formulazioni alternative ed esplicitarne i presupposti. La distinzione utile è tra produrre soluzioni entro un quadro dato ed esaminare se quel quadro meriti di essere adottato. (i nostri percorsi di formazione per quadri e collaboratori)

Che cosa i dati non consentono di affermare

Queste pubblicazioni riguardano il giudizio umano, non gli usi attuali dell'IA generativa nelle imprese friburghesi. Non misurano né la frequenza di un'impostazione errata con questi strumenti né l'efficacia di un protocollo volto a prevenirla. Anche ottenere più riformulazioni non basta: tutte potrebbero mantenere la stessa ipotesi causale non verificata.

Una verifica pratica a Friburgo

Nell'ambito del programma SHR «Manager nell'era dell'intelligenza artificiale», un esercizio potrebbe riguardare un caso anonimizzato di non conformità agroalimentare o di ritardo in un'impresa industriale bilingue, eventualmente con una revisione metodologica richiesta al polo universitario friburghese. Prima di chiedere soluzioni, il gruppo registrerebbe il problema in francese e in tedesco, i fatti osservati, le cause ipotizzate e un'osservazione capace di contraddire ciascuna causa. Durante un periodo pilota definito in anticipo, la misura sarebbe la proporzione di casi che contengono questi elementi prima della prima richiesta di soluzioni all'IA, verificabile tramite schede datate e cronologia degli scambi. Questo indicatore documenterebbe una disciplina nella formulazione del problema, senza essere presentato come prova di decisioni migliori. Per approfondire: scoprite la formazione Gestire nell'era dell'intelligenza artificiale a Friburgo nel cantone di Friburgo, oppure sfogliate i nostri percorsi di formazione per quadri e collaboratori in Svizzera.

In Bildern: Gestire nell'era dell'intelligenza artificiale in Friburgo

• gestire nell'era dell'intelligenza artificiale
• Friburgo
• ricerca
• Weiterbildung friburgo