Sembrerebbe esserci una prima, silenziosa vittima nella rivoluzione dell’intelligenza artificiale generativa. Dove l’algoritmo prende piede, l’ingresso dei giovani nel mondo del lavoro si interrompe. A misurare la portata della frattura è uno studio della Harvard University che ha monitorato le traiettorie di 62 milioni di occupati. Il verdetto è senza appello: la digitalizzazione dei processi di base ha provocato un crollo tra il 9 e il 10 per cento nell’impiego dei profili entry-level. Una dinamica che rischia di sterilizzare la formazione sul campo, sostituendo le mansioni junior con l’efficienza degli algoritmi. L’impiego dei senior, al contrario, rimarrebbe stabile.
Il problema, tuttavia, non riguarda solo i numeri. Se molte attività di base vengono automatizzate, cambia anche il modo in cui si formeranno i professionisti di domani. E molte competenze rischiano di andare perdute.
Per questo capire come usare l’IA in azienda viene prima di scegliere quale soluzione adottare. Datlas Group, Pmi italiana che sviluppa soluzioni di intelligenza artificiale per banche, assicurazioni e pubblica amministrazione, ha cercato una risposta sul campo a questo tema delicato. Ha organizzato una sfida interna con squadre miste di junior e senior, senza regole sull’uso dell’IA. Ne è emerso che c’è chi la usa passivamente per farsi fare il lavoro e chi invece virtuosamente per farsi accompagnare: capire il problema, verificare i propri ragionamenti, approfondire. Francesco Paolo Schiavone, Head of Innovation & Development di Datlas Group, ci spiega che la strada giusta è la seconda. Un modo di usare l’IA che permetta alle persone a riqualificarsi e a imparare più in fretta, non a smettere di farlo.
Chi è Datlas e perché il tema la riguarda da vicino
Datlas opera nell’esternalizzazione dei processi aziendali, focalizzata sullo sviluppo di soluzioni per la gestione e valorizzazione dei dati.
I clienti le affidano intere catene di attività: verifica, controllo e gestione di dati e documenti in ingresso (come contratti, richieste di finanziamento, pratiche di rimborso, l’onboarding di uno studente universitario). Un settore un tempo dominato dalla stampa, oggi trainato dalla digitalizzazione. L’intelligenza artificiale, qui, non è una novità: il Gruppo la usa da quasi dieci anni per estrarre informazioni dai documenti. È proprio questa esperienza che ha posto una complessa questione di fondo. Per Schiavone, infatti, «automatizzare (in senso negativo) significa delegare le conoscenze di quei processi all’AI e perderle automaticamente in azienda».
Come usare l’intelligenza artificiale nelle aziende
Il metodo è chiaro: tentare di stabilire in anticipo il ruolo delle persone e il modo di farsi aiutare (e non assorbire) dall’automazione. Affidarsi all’idea (troppo spesso data per scontata) che «le persone dopo l’AI faranno cose molto più strategiche e più impattanti», senza sapere quali, porta inevitabilmente a una deriva pericolosa e difficilmente controllabile.
Per questo, Datlas ha sperimentato la coesistenza uomo-macchina anche nell’assistenza clienti. Gli operatori che inizialmente erano impegnati nella verifica di codici fiscali, in questo caso, hanno potuto acquisire competenze sulle pratiche assicurative grazie al supporto dell’IA. Il sistema si limitava infatti a controllare i documenti e a fornire suggerimenti, spiegando perché una pratica potesse essere liquidata o meno, mentre la decisione finale restava all’operatore. In questo modo, l’IA non ha sostituito il lavoro umano, ma ha aiutato gli operatori a sviluppare nuove competenze e a crescere professionalmente.
Cosa è emerso dalla sfida interna all’azienda
L’esperimento è nato per aggiornare le regole aziendali interne sull’uso dell’IA. Team di due o tre persone, provenienti da aree e seniority diverse, hanno lavorato su compiti reali e quotidiani per l’azienda con piena libertà di strumenti digitali. A metà della sfida, alcuni junior si sono fermati a riflettere su questa automazione del loro lavoro. Il motivo, racconta Schiavone, lo hanno spiegato così: «Io sto andando velocissimo sul task, ma non sto capendo come sto facendo alcune delle cose complicate che faccio, anche se le faccio bene». Da lì, hanno smesso di farsi generare il codice dall’IA, e le hanno chiesto di avere spiegazioni, passo per passo, per capire come muoversi in autonomia.
Un comportamento vincente che Datlas vuole estendere a tutti i dipendenti, sfruttando l’aiuto artificiale senza perdere il fondamentale apporto della conoscenza umana. L’azienda ha così creato una versione del proprio strumento multiagente riservata ai junior, in cui l’IA valuta e spiega come lavorare, e non svolge il lavoro direttamente. Al di la dello specifico ambito della programmazione, «non voglio automatizzare la decisione, ma voglio automatizzare l’elaborazione dei dati e la preparazione degli scenari che mi portano a prendere una decisione», sintetizza Schiavone.
Perché è ancora importante il confronto generazionale
Una delle sorprese è arrivata dagli sviluppatori più esperti. Nella programmazione erano infatti loro a delegare di più all’intelligenza artificiale le parti operative, con un approccio riassumibile in una frase: «Il codice scrivimelo tu, io lo controllerò in review e lo manderò in produzione». Il confronto architetturale invece è rimasto aperto con l’ia ma soprattutto con i profili più junior, e questo ha fatto emergere nei senior soluzioni per rendere più efficiente il lavoro rompendo i loro schemi radicati. L’IA, in questo caso, ha quindi favorito anche uno scambio di competenze tra generazioni. Un dialogo che, per Schiavone, rimane straordinariamente prezioso.
Comprare un prodotto su misura, non un modello
La sfida per le aziende è oggi capire come e quali strumenti di AI utilizzare. Alle aziende meno esperte, l’Head of Innovation & Development di Datlas Group suggerisce di distinguere tra l’acquisto di un modello e quello di un prodotto. «Non importa il modello di IA oggi, ma il set di strumenti che il prodotto scelto mette a disposizione ai modelli e al business». La scelta, quindi, deve partire dalle esigenze concrete dell’azienda e dalle attività che si vogliono migliorare, non dalla semplice disponibilità di un modello. Molte imprese attivano una licenza solo perché usano già altri software dello stesso fornitore. Senza una verifica critica, rischiano presentazioni scadenti o file letti a metà. Anche fattori chiave per le performance come la memoria delle conversazioni dipendono dal prodotto scelto.
Lo stesso principio vale per l’organizzazione del lavoro. Se per i junior l’Ai rappresenta un “abilitatore” della gavetta, ai vertici serve un uso più consapevole delle competenze già acquisite, soprattutto in nuovi setting come quelli del lavoro in team ibridi. «La singola persona deve saper essere manager del team AI che ha davanti».
Nello strumento di Datlas, ad esempio, cinque agenti artificiali e cinque persone hanno lavorato insieme e si sono confrontati su come gestire alcuni task, in un vero e proprio gruppo di lavoro. Da tale esperimento è emerso che in un simile team di coabitazione fra l’uomo e la macchina, si procede più lentamente, ma il risultato è significativamente migliore per qualità e previsione dei rischi. Per questo Datlas sta sperimentando a livello trasversale questo nuovo modo di lavorare, andando a formare le proprie persone su quelli che sono i linguaggi e gli input per lavorare al meglio con i sistemi interni.
Perché, ricorda Schiavone: «Imparare a fornire gli input giusti significa anche imparare quali non fornire: ciò che si inserisce in un prompt è anche patrimonio dell’azienda. Capire come allineare la comunicazione tra persone e macchine è tutt’altro che banale».