IA on the job: conviene raggruppare le consultazioni dell’IA?
Nei servizi finanziari, nelle assicurazioni, nella tecnologia e nelle sedi europee di gruppi internazionali a Zurigo, consultare un’IA può inserirsi tra due fasi della gestione di una stessa pratica. La domanda manageriale è precisa: conviene raggruppare queste consultazioni in momenti dedicati, anziché distribuirle lungo il lavoro?
Che cosa stabilisce la letteratura
Sophie Leroy (2009, Organizational Behavior and Human Decision Processes) mostra che il passaggio da un compito all’altro può lasciare un «residuo attentivo»: una parte dell’attenzione rimane legata al compito precedente. I suoi esperimenti indicano, in particolare, che abbandonare un compito incompiuto può compromettere la prestazione in quello successivo. Applicato all’IA, questo risultato suggerisce un’ipotesi da verificare, non un effetto già dimostrato: moltiplicare le richieste relative a pratiche diverse potrebbe rendere più difficile riprendere il lavoro.
Cambiare compito richiede una riconfigurazione mentale
Joshua S. Rubinstein, David E. Meyer e Jeffrey E. Evans (2001, Journal of Experimental Psychology: Human Perception and Performance) rilevano costi temporali associati ai cambi di compito in situazioni sperimentali. I loro risultati sostengono un meccanismo di controllo esecutivo che comprende il cambiamento dell’obiettivo e l’attivazione delle regole pertinenti. Passare da un’analisi del rischio alla redazione di un messaggio con l’IA può quindi richiedere più di un cambio di finestra, senza che questi esperimenti consentano di quantificarne il costo in ufficio.
La conclusione troppo rapida
Se ne potrebbe dedurre che l’IA vada utilizzata soltanto in fasce orarie prestabilite. Tuttavia, interrogare uno strumento per risolvere un punto della pratica in corso non costituisce necessariamente un cambio di compito nel senso degli esperimenti citati. La distinzione utile è tra una consultazione che fa avanzare lo stesso obiettivo e una che apre un altro lavoro; una regola oraria uniforme rischia di confonderle. (i nostri percorsi di formazione per quadri e collaboratori)
Che cosa i dati non permettono di decidere
Questi articoli non riguardano né l’IA generativa né le organizzazioni zurighesi. Non consentono di determinare una frequenza ottimale di consultazione, e il numero di passaggi tra applicazioni non misura direttamente il residuo attentivo. La pratica diffusa di contare le richieste o misurare la rapidità delle risposte trascura quindi l’organizzazione del lavoro in cui esse si inseriscono.
Una verifica pratica a Zurigo
Nell’ambito di «IA on the job», un team zurighese potrebbe sperimentare per due settimane, su pratiche interne comparabili e ammesse nello strumento autorizzato, un’alternanza di mezze giornate con consultazioni raggruppate o utilizzo abituale. Un registro privo di contenuti riservati rileverebbe, per ogni pratica, il tempo di lavorazione attiva, i passaggi a un’altra pratica e le restituzioni per correzione dopo la revisione. Il confronto riguarderebbe il tempo mediano di lavorazione e la quota di pratiche che richiedono correzioni, considerando tipologie comparabili. Questa verifica locale non dimostrerebbe un meccanismo cognitivo, ma permetterebbe di valutare se mantenere il raggruppamento, anziché prescriverlo per principio. 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