IA on the job: una risposta disponibile non sostituisce una competenza rintracciabile
Un assistente di IA può diventare il primo interlocutore di un team prima che questo abbia chiarito il ruolo dei propri esperti. La domanda manageriale è precisa: come rendere accessibili le conoscenze senza perdere la capacità di individuare la persona competente quando una risposta richiede un giudizio legato al contesto?
Che cosa stabilisce la letteratura
Kyle Lewis (2003, Journal of Applied Psychology) ha sviluppato e validato una misura dei sistemi di memoria transattiva nei team di lavoro. Il concetto descrive un’organizzazione collettiva delle conoscenze: i membri possiedono competenze differenziate, ne riconoscono la credibilità e ne coordinano l’impiego. Il lavoro collettivo non si fonda quindi soltanto sulle informazioni disponibili, ma anche sulla conoscenza della loro distribuzione tra le persone.
Il meccanismo: imparare anche chi sa che cosa
Diane Wei Liang, Richard Moreland e Linda Argote (1995, Personality and Social Psychology Bulletin) hanno confrontato una formazione collettiva con una formazione individuale prima di un compito di assemblaggio in gruppo. In questo esperimento, i gruppi i cui membri si erano formati insieme hanno ottenuto prestazioni migliori, con risultati a sostegno del ruolo di mediazione della memoria transattiva. Imparare insieme può dunque costruire una conoscenza delle competenze altrui che la sola trasmissione di istruzioni non garantisce.
La conclusione troppo rapida
Se ne potrebbe dedurre che un assistente di IA indebolisca necessariamente questa conoscenza reciproca. Questi studi non riguardano l’IA generativa e non consentono tale conclusione. Suggeriscono piuttosto una distinzione da verificare: uno strumento può fornire una risposta, ma può anche indirizzare verso una fonte e una persona capace di valutarne la pertinenza nel contesto locale. (i nostri percorsi di formazione per quadri e collaboratori)
I limiti dei dati e della pratica corrente
Un esperimento di assemblaggio e la validazione di una misura a livello di team non dimostrano gli effetti di un assistente di IA in una banca o in un’impresa di moda. Inoltre, disporre di un elenco di esperti non prova né che i collaboratori sappiano utilizzarlo, né che le persone indicate siano disponibili. Valutare soltanto la rapidità di accesso a una risposta lascerebbe quindi fuori campo la capacità dell’organizzazione di gestire le eccezioni.
Una verifica pratica a Lugano
Per un workshop SHR «IA on the job» a Lugano proponiamo casi fittizi redatti in italiano: un’eccezione documentale bancaria, una specifica sui materiali nella moda, una condizione di consegna nel commercio o una delega decisionale in una PMI familiare italofona. Per ogni caso che richiede competenze interne, chiedere al partecipante di trovare, con gli strumenti autorizzati, una fonte pertinente e un interlocutore competente, facendo poi confermare l’attribuzione dal responsabile del processo. La misura è la proporzione di casi per i quali vengono confermati sia la fonte sia l’interlocutore, confrontata prima e dopo l’aggiunta di riferimenti espliciti nei materiali utilizzati con l’IA. Questa verifica non misura l’intero valore dello strumento; permette di accertare se l’accesso alle risposte si accompagna a un accesso effettivo alle competenze. Per approfondire: scoprite la formazione IA nel lavoro quotidiano a Lugano, oppure sfogliate i nostri percorsi di formazione per quadri e collaboratori in Svizzera.
In Bildern: IA nel lavoro quotidiano in Lugano
- ia nel lavoro quotidiano
- Lugano
- ricerca
- Weiterbildung lugano