Archives For November 30, 1999

«The development of full artificial intelligence could spell the end of the human race. Once humans develop artificial intelligence, it will take off on its own and redesign itself at an ever-increasing rate. Humans, who are limited by slow biological evolution, couldn’t compete and would be superseded».

Senza condividere in toto la visione apocalittica di Stephen Hawking sul futuro dell’umanità e del suo rapporto con l’intelligenza artificiale, è comunque giunto il momento per noi professionisti del mondo HR e per tutti coloro che si occupano di trasformazione e di analizzare i grandi cambiamenti che hanno attraversato – e che tutt’ora attraversano – l’umanità, di chiederci come intendiamo impiegare questo potentissimo strumento.

La trasformazione di cui stiamo parlando è paragonabile, se non superiore, a quella della digitalizzazione che abbiamo vissuto negli scorsi anni.

Qualche numero per chi non fosse ancora convinto?

  • Il mercato globale dell’AI dovrebbe raggiungere 1,58 trilioni di dollari entro il 2028. (MarketsandMarkets, 2023)
  • Il numero di posti di lavoro legati all’AI negli Stati Uniti dovrebbe crescere del 31% tra il 2020 e il 2030. (US Bureau of Labor Statistics, 2021)
  • Il 61% degli intervistati a un recente rapporto di Deloitte Insights afferma che l’AI trasformerà sostanzialmente il proprio settore nei prossimi 3-5 anni.
  • L’adozione dell’AI è significativa su base per organizzazione, con il 53% degli intervistati che ha speso più di 20 milioni di dollari nell’ultimo anno in tecnologia e talenti AI.
  • L’83% delle aziende partecipanti al sondaggio di Deloitte sull’adozione dell’AI nel settore manifatturiero ritiene che l’AI sarà una tecnologia fondamentale per guidare la crescita e l’innovazione.
  • Il 92% degli intervistati al sondaggio di Deloitte sullo stato dell’AI nelle imprese 2022 si è fissato l’obiettivo di diventare leader di settore o di mercato nell’AI entro i prossimi tre anni.

Dai dati sopra riportati risulta, quindi evidente, l’importanza e la magnitudo del fenomeno. Una riflessione non è più rimandabile.

In un interessante articolo Josh Bersin (https://joshbersin.com/2023/09/the-role-of-generative-ai-in-hr-is-now-becoming-clear/) ha messo in evidenza alcune delle applicazioni dell’intelligenza artificiale generativa che si possono immaginare per l’HR.

Quali sono?

  • Talent Intelligence for Recruiting, Mobility, Development, Pay Equity. La gestione dei talenti è un tema sempre più complesso all’interno delle organizzazione, tematiche legate allo strategic worforce planning e alla capacità di definire le migliori persone per i compiti adatti è una sfida complessa e articolata che richiede uno sforzo congiunto di tecnologia, sistemi HR e processi di gestione delle risorse di maggior valore all’interno dell’organizzazione.
  • Employee Apps: Il secondo spazio in crescita è quello dei “chatbot intelligenti per i dipendenti”, che riuniscono documenti, materiali di supporto e sistemi transazionali in un’esperienza facile da usare.
  • Employee training, learning e content production: il settore della formazione dei dipendenti, che vale 350 miliardi di dollari, è uno di quelli che maggiormente potrebbe beneficiare dall’AI generativa. Negli ultimi mesi abbiamo visto strumenti che generano formazione da documenti, creano automaticamente quiz e trasformano i contenuti esistenti in un “assistente didattico”.
  • Employee Development and Growth Apps: Si tratta del vasto nuovo campo di strumenti e piattaforme che aiutano i dipendenti a progredire nelle loro carriere. Grazie alle piattaforme di Talent Intelligence, ora abbiamo “percorsi di carriera” generati dall’AI. Questi sistemi analizzano le tue competenze e la tua esperienza e ti mostrano (graficamente) tutte le opzioni che hai per crescere, tutte basate sull’esperienza di milioni di altre persone.
  • Performance Management and Operational Improvement: tema complesso, che apre dimensioni filosofiche profonde sintetizzate dalla domanda: preferireste essere valutati da un computer o da una persona? In questo sicuramente l’AI può fornire un contributo di arricchimento alle dimensioni valutative classiche e aggiungere la possibilità di elaborare un numero elevato di dati in un tempo molto breve.
  • Retention, Hybrid-Work, Wellbeing, Engagement Analysis: anche in questo caso è un tema di dati e della capacità – molto limitata come esseri umani – che abbiamo di leggere in maniera completa un contesto o una situazione. L’AI e i sistemi automatizzati possono aiutarci nell’elaborazione di una enorme mole di dati che ci aiutino a comprendere come davvero stanno le nostre persone.

A queste dimensioni identificate da Bersin, a mio avviso, se ne possono aggiungere di ulteriori, nello specifico:

  • People Analytics: nel supporto alla definizione di modelli integrati che forniscano viste di dettaglio ai nostri dipendenti e ai team leader e che aiutino a sfruttare – finalmente – il potere dei dati per la gestione delle complessità organizzative. Se in passato la sfida poteva essere l’accesso al dato, oggi, in un moltiplicarsi di istanze, si rende necessario sapere in che modo sfruttare adeguatamente i dati, per trasformarli in insight e azioni concrete.
  • Employee Experience: alzi la mano chi, negli ultimi anni – e nella sua vita professionale – ha avuto una employee experience (dal momento in cui è entrato in azienda al momento in cui è uscito) senza intoppi e senza problemi. Il contributo dell’AI può rendere maggiormente fluido l’intero processo e agire come un vero e proprio “buddy” nell’accompagnare le fasi più delicate dei diversi processi (e.g. nel momento dell’onboarding) e dell’intera esperienza.

Il paniere di casi d’uso potrebbe ampliarsi ancora se consideriamo le intersezioni del mondo Human Capital con quello della comunicazione interna, del marketing e dell’innovazione collaborativa.

È per questo che, come Deloitte abbiamo fatto di più: creando un repository che include oltre 60 use case legati al mondo dell’Artificial Intelligence per chiarire i termini in gioco e capire meglio in che modo possa essere applicata all’interno dei nostri processi di lavoro e per portare effettivo valore alle organizzazioni. Maggiori informazioni qui: https://www2.deloitte.com/us/en/pages/consulting/articles/gen-ai-use-cases.html

Esiste poi un ulteriore aspetto che chi si occupa di HR e di processi di trasformazione dovrebbe guardare che è quello legato all’etica e alle conseguenze dell’applicazione di questi scenari al mondo del lavoro.

È un tema che ci riguarda tutti da vicino, perché la tecnica, la tecnologia, non sono neutrali e gli impatti etici e filosofici sono tutt’altro che scontati.  

«dire che la tecnologia non è del tutto neutrale – che, cioè, essa ha delle proprie finalità intrinseche, o che viene a imporre dei propri particolari valori – significa soltanto riconoscere il fatto che, come parte della nostra cultura, essa influisce sulla nostra crescita e sul nostro comportamento. Gli esseri umani hanno sempre posseduto qualche forma di tecnologia, la quale a sua volta ha influenzato la natura e la direzione del loro sviluppo. Questo processo non può essere fermato, e questa relazione non avrà mai termine: possiamo soltanto comprenderla e, speriamo, indirizzarla verso scopi degni [dell’umanità]» (Kranzberg e Pursell, 1967, p. 11).

È, dunque, necessaria una profonda riflessione all’interno dei nostri processi di lavoro, di educazione e all’interno delle modalità con le quali stiamo immaginando la società del futuro per indirizzare in modo corretto questo cambiamento.

P.S.

Sì, questo articolo è stato scritto con il supporto dell’AI.

Di recente mi è capitato di seguire più da vicino il fenomeno dell’Intelligenza Artificiale. Un tema apparentemente nuovo che, in realtà, affonda le sue radici molto più indietro nel passato e si collega in modo molto forte alla filosofia della mente e alla storia del pensiero umano.

Ho studiato il fenomeno dal punto di vista più “umanistico” (posto che questo termine abbia ancora un senso al giorno d’oggi) occupandomi di cercare quei collegamenti tra la psicologia cognitiva, le neuroscienze, la filosofia e le interfacce di intelligenza artificiale che sono presenti sul mercato.
Tralasciando per un attimo questo aspetto – oggetto della mia tesi di laurea in Intelligenza Artificiale e, appunto,processi cognitivi – mi preme, in questa sede, analizzare il fenomeno da un punto di vista di applicazioni e ricadute sul mercato e – in senso esteso – sulla società nella quale viviamo.

Un recente discussion paper di McKinsey analizza il fenomeno proprio da questo punto di vista sottolineando prospettive interessanti che meritano di essere approfondite (per chi fosse interessato il report completo è disponibile a questo indirizzo: https://www.mckinsey.com/featured-insights/artificial-intelligence/notes-from-the-ai-frontier-applications-and-value-of-deep-learning).

Prima di tutto è opportuno definire i confini dell’Intelligenza Artificiale e mappare quelli che sono gli ambiti di applicazione entro i quali è possibile spendere questa tecnologia. Come si legge nell’articolo di McKinsey:

As artificial intelligence technologies advance, so does the definition of which techniques constitute AI. For the purposes of this briefing, we use AI as shorthand for deep learning techniques that use artificial neural networks. We also examined other machine learning techniques and traditional analytics techniques

A livello complessivo possiamo dire che se fino a qualche anno fa l’Intelligenza Artificiale si concretizzava in una “semplice” imitazione della mente umana e delle sue caratteristiche matematico-logiche e linguistiche specifiche, oggi è un costrutto che riguarda molto di più la capacità di apprendere dei sistemi. In sostanza abbiamo compreso che l‘apprendimento è forse la caratteristica più importante che ci rende umani e stiamo progettando i sistemi uomo-macchina e macchina-macchina di conseguenza.

Nello schema sotto si ritrovano moltissimi ambiti di applicazione dell’AI che riguardano proprio questo processo evolutivo.

AI Sectors for McKinsey

La prima evidenza che emerge dal report di McKinsey è che l’Intelligenza Artificiale e il machine learning in senso esteso possono essere applicati ad una infinità di ambiti lavorativi e a moltissime industry che regolano il nostro mercato. I risultati sono differenti a seconda dell’ambito applicativo, ma i vantaggi sono comuni alle differenti realtà.
Tra i principali che si possono ottenere:

  • Manutenzione predittiva, sfruttando il machine learning e i sistemi di intelligenza artificiale per comprendere e anticipare possibili anomalie nei sistemi.
  • Miglioramento della logistica anticipando flussi di traffico e prevedendo possibili soluzioni alternative in caso di problemi. Nell’ambito trasporti e logistica si ha – infatti – uno delle aree principali dell’AI con l’evoluzione dei sistemi classici in chiave intelligente, in modo da essere in grado di gestire in modo dinamico anche situazioni imprevedibili.
  • Personalizzazione del customer service e della capacità di servire al meglio il cliente. Una delle sfide principali imposte dalla digitalizzazione è quella che riguarda il mutato ruolo del social customer di cui abbiamo più volte dibattuto in questa e in altre sedi. La capacità aggiuntiva fornita dall’AI è quella di essere più efficienti ed efficaci nella capacità di rispondere – in tempo quasi reale o reale – alle molteplici sollecitazioni ed esigenze del cliente.

Inoltre, come si legge nel report:

In 69 percent of the use cases we studied, deep neural networks can be used to improve performance beyond that provided by other analytic techniques. Cases in which only neural networks can be used, which we refer to here as “greenfield” cases, constituted just 16 percent of the total

L’intelligenza artificiale è in grado di fornire un enorme supporto all’interno della definizione e della comprensione dell’analisi di dati. L’incremento rispetto alle classiche tecniche di gestione dell’informazione è notevole e merita una seria riflessione da parte delle aziende che ancora non hanno intrapreso questo percorso di evoluzione. Quantomeno è necessario – specie per le realtà più grosse – che ci sia un tavolo di riflessione su questi temi all’interno dell’impresa.

Analytics

Sono proprio i dati a giocare un ruolo fondamentale nei processi di digitalizzazione del futuro. Il modello deve essere il più articolato possibile in modo da permetterci di migliorare la nostra capacità di gestire, comprendere e maneggiare dati.

Il potenziale di mercato è davvero enorme. Come si legge nel report:

We estimate that the AI techniques we cite in this briefing together have the potential to create between $3.5 trillion and $5.8 trillion in value annually across nine business functions in 19 industries. This constitutes about 40 percent of the overall $9.5 trillion to $15.4 trillion annual impact that could potentially be enabled by all analytical techniques

Si tratta di cifre molto elevate che meritano di essere prese in seria considerazione specie per quelle industry nominate sopra dove questo potenziale è ancora più amplificato.

Non è tutto oro quello che luccica però. Sono presenti anche alcune barriere e alcune difficoltà che impediscono l’introduzione di queste tecnologie o ne limitano la massimizzazione dei risultati.

  • La difficoltà nel gestire l’etichettatura dei dati che spesso deve essere fatta manualmente
  • La difficoltà nell’ottenere set di dati che siano sufficientemente ampi e onnicomprensivi da poter essere utilizzati per il training degli algoritmi
  • La difficoltà nello spiegare i processi umani che stanno dietro alle decisioni importanti e alle scelte chiave. Come sappiamo dalla psicologia della decisione, siamo esseri che prendono decisioni non sempre su basi razionali e concrete.
  • La generalizzazione dell’apprendimento. L’essere umano è in grado di estendere quello che ha imparato in una situazione a determinate altre situazioni della sua vita. Si tratta di un processo fondamentale che i sistemi di intelligenza artificiale ancora faticano a fare
  • Un ulteriore rischio è rappresentato dai bias che si concretizzano quando si sceglie un campione non rappresentativo per il training e per la configurazione dell’algoritmo.

Infine abbiamo anche un tema di regolazione di un mercato e di una tecnologia completamente nuove, anche se – come si legge:

Therefore, some policy innovations will likely be needed to cope with these rapidly evolving technologies. But given the scale of the beneficial impact on business the economy and society, the goal should not be to constrain the adoption and application of AI, but rather to encourage its beneficial and safe use.