IA on the job: una sintesi collettiva conserva le informazioni decisive?

Affidare all’IA la preparazione di una sintesi sembra un modo ragionevole per alleggerire il lavoro collettivo. La domanda manageriale è più precisa: come verificare che un’informazione pertinente, posseduta da una sola persona, raggiunga effettivamente il documento sul quale il gruppo baserà la propria decisione?

Che cosa dimostra la letteratura

Garold Stasser e William Titus (1985, Journal of Personality and Social Psychology) hanno mostrato sperimentalmente che le discussioni di gruppo possono privilegiare le informazioni già note a più membri rispetto a quelle possedute da una sola persona. Nel loro studio, questa condivisione incompleta poteva impedire al gruppo di individuare l’opzione sostenuta dall’insieme delle informazioni disponibili. Una discussione approfondita non garantisce quindi che siano stati riuniti gli elementi necessari alla decisione.

Perché le informazioni comuni occupano più spazio

Gwen M. Wittenbaum, Anne P. Hubbell e Cynthia Zuckerman (1999, Journal of Personality and Social Psychology) hanno studiato un meccanismo di valutazione sociale: lo scambio di informazioni condivise può favorire una valutazione reciprocamente positiva della competenza dei partecipanti. Un’informazione che altri riconoscono beneficia così di un vantaggio che non dipende necessariamente dal suo valore per la decisione. Applicato a una sintesi assistita dall’IA, questo meccanismo suggerisce un’ipotesi da verificare: il materiale fornito allo strumento può essere squilibrato già prima della generazione.

La conclusione troppo rapida

Si potrebbe dedurne che basti chiedere all’IA di evidenziare le informazioni possedute da singole persone. Ma un’istruzione non rende accessibile un elemento mai comunicato allo strumento, e un’informazione posseduta da una sola persona non è necessariamente corretta o importante. L’obiettivo non è privilegiare sistematicamente ciò che è raro, bensì sottoporre le informazioni pertinenti allo stesso esame, indipendentemente dal numero di persone che le conoscono. (i nostri percorsi di formazione per quadri e collaboratori)

Che cosa i dati non consentono di affermare

Questi studi riguardano scambi tra persone in situazioni sperimentali, non gli usi contemporanei dell’IA generativa nelle imprese. Non dimostrano né che uno strumento di IA accentui questa distorsione, né che la corregga. Nella pratica, rileggere soltanto la sintesi finale non consente neppure di distinguere un’omissione dello strumento da un’informazione assente nei contributi iniziali.

Una verifica pratica a Zurigo

Nell’ambito di «IA on the job», un gruppo di lavoro zurighese attivo nei servizi finanziari, nelle assicurazioni, nel settore tecnologico o nella sede europea di un gruppo internazionale può sperimentare il seguente protocollo su una decisione circoscritta: prima della discussione collettiva, ogni partecipante annota separatamente i fatti che ritiene pertinenti, utilizzando esclusivamente un ambiente autorizzato e dati ammessi dalle regole interne. Una persona incaricata identifica i fatti presenti in un solo contributo e ne convalida la pertinenza; il gruppo verifica poi se compaiono nella discussione, nel materiale trasmesso all’IA e nella sintesi finale. La misura è la proporzione di questi fatti pertinenti conservati nella sintesi rispetto al loro numero iniziale; se non ne viene identificato alcuno, non è calcolabile. Questa verifica localizza le perdite di informazione senza confondere la conservazione dei fatti con la prova di una decisione migliore. Per approfondire: scoprite la formazione IA nel lavoro quotidiano a Zurigo, oppure sfogliate i nostri percorsi di formazione per quadri e collaboratori in Svizzera.

In Bildern: IA nel lavoro quotidiano in Zurigo

• ia nel lavoro quotidiano
• Zurigo
• ricerca
• Weiterbildung zurigo