• /
    • Archives /
  • November 30, 1999

Archives For November 30, 1999

Intelligenza Artificiale e Futuro del Lavoro: un’analisi basata sui dati

February 4, 2025 — Leave a comment

La National Academies of Sciences, Engineering, and Medicine ha pubblicato un report approfondito intitolato Artificial Intelligence and the Future of Work. Questo studio analizza l’impatto dell’AI sulla produttività, sulle dinamiche del lavoro, sull’istruzione e sulle politiche pubbliche. Qui sotto esploriamo i punti chiave del report, arricchendoli con dati e insight per offrire un quadro chiaro e concreto dell’influenza attuale e futura dell’AI.

Scoperta 1: L’AI è una tecnologia generalista in rapida evoluzione

“AI is a general-purpose technology that has recently undergone significant rapid progress. Still, there is a great deal of uncertainty about its future course, suggesting that wide error bands and a range of contingencies should be considered.”

  • Il mercato globale dell’AI crescerà da 136,6 miliardi di dollari nel 2022 a 1,81 trilioni entro il 2030, con un CAGR del 37,3%.
  • I modelli di linguaggio di grandi dimensioni (LLM) hanno visto un’espansione esponenziale, passando da 40GB (GPT-2, 2019) a 45TB (GPT-4, 2023).
  • Gli investimenti in ricerca e sviluppo sull’AI hanno raggiunto 91,9 miliardi di dollari nel 2022, con un aumento del 19,6% rispetto all’anno precedente.

Scoperta 2: I sistemi di AI oggi sono ancora imperfetti

“AI systems today remain imperfect in multiple ways. For example, LLMs can ‘hallucinate’ incorrect answers to questions, exhibit biased behavior, and fail to reason correctly to reach conclusions from given facts.”

  • Tasso di errore: L’AI ha un margine di errore del 15-20%, specialmente in settori critici come sanità e diritto.
  • Bias nei modelli: Uno studio MIT ha rivelato che il riconoscimento facciale ha un tasso di errore 34,7% più alto per persone con pelle scura rispetto a quelle con pelle chiara.
  • Cybersecurity: Gli attacchi phishing basati su AI sono aumentati del 126% anno su anno.

Scoperta 3: L’AI continuerà ad avanzare, ma la sua traiettoria è incerta

“Significant further advances in AI technology are highly likely, but experts do not agree on the exact details and timing of likely advances.”

  • Incertezza sulle tempistiche: Il 47% degli esperti prevede l’AI a livello umano entro il 2040, mentre il 25% pensa che non arriverà prima del 2075.
  • Potenza computazionale: La capacità di calcolo per l’addestramento AI è raddoppiata ogni 3,4 mesi dal 2012, superando la legge di Moore.
  • Adozione aziendale: Il 77% delle aziende sta esplorando l’AI, ma solo il 23% l’ha completamente integrata nei processi aziendali.

Scoperta 4: Il potenziale dell’AI per la produttività è significativo ma disomogeneo

“AI offers the promise of significant improvements in productivity, but achieving these benefits will require complementary investments in skills and organizational processes.”

  • Aumento della produttività: L’AI potrebbe far crescere il PIL globale del 7% all’anno entro il 2030.
  • Differenze settoriali: L’AI potrebbe migliorare la produttività del 25% in IT e software, ma solo del 5-10% in sanità e manifattura.
  • Automazione del lavoro: Il 60% dei lavori attuali ha almeno il 30% delle attività automatizzabili.

Scoperta 5: L’impatto dell’AI sull’occupazione dipenderà da molteplici fattori

“The labor market consequences of AI deployment will depend both on the rate at which AI’s capabilities evolve and on demographic, social, institutional, and political forces.”

  • Perdita di posti di lavoro: Secondo McKinsey, l’AI potrebbe sostituire 400 milioni di posti di lavoro entro il 2030, ma crearne tra 550-600 milioni di nuovi.
  • Demografia e lavoro: Il calo della popolazione attiva nei paesi avanzati potrebbe compensare le perdite occupazionali dovute all’AI.
  • Disuguaglianza salariale: Il top 10% degli stipendi ha visto una crescita del 14% grazie all’AI, mentre i salari dei lavoratori meno qualificati sono rimasti stagnanti.

Scoperta 6: Il ruolo dell’AI nell’istruzione e nella formazione professionale è in crescita

“AI will have significant implications for education at all levels, from primary to continuing workforce education.”

  • Apprendimento personalizzato: Le piattaforme educative AI-driven hanno aumentato i tassi di ritenzione degli studenti del 12-18%.
  • Necessità di riqualificazione: 1,1 miliardi di lavoratori dovranno essere riqualificati nei prossimi dieci anni.
  • Investimenti in formazione aziendale: Le aziende hanno speso 366 miliardi di dollari in programmi di upskilling nel 2022, con un incremento del 32% rispetto al 2019.

Scoperta 7: Servono misurazioni migliori per monitorare l’impatto dell’AI sul lavoro

“Better measurement of how and when AI advancements affect the workforce is needed.”

  • Monitoraggio dell’adozione AI: Solo il 35% dei paesi ha statistiche ufficiali sull’impatto dell’AI sul lavoro.
  • Lacune nei dati pubblici: Il 42% dei policymaker denuncia una mancanza di metriche affidabili sull’occupazione AI.
  • Tendenze nel mercato del lavoro: Le offerte di lavoro legate all’AI su LinkedIn sono aumentate del 72% negli ultimi due anni.

Conclusione: Il Futuro del Lavoro non è preordinato

“It is impossible to predict exactly the nature of AI’s effects, but society can take steps to shape AI’s impact through policy, education, and ethical guidelines.”

  • I policymaker devono bilanciare innovazione e regolamentazione, garantendo che i benefici dell’AI siano distribuiti equamente.
  • Le aziende devono investire in strategie di lavoro aumentato dall’AI, privilegiando la collaborazione uomo-macchina rispetto alla pura automazione.
  • I lavoratori devono puntare su apprendimento continuo e adattabilità, sfruttando i nuovi strumenti AI per restare competitivi.

L’impatto dell’AI sul lavoro è complesso e articolato. Solo con scelte consapevoli e strategie mirate possiamo garantire che l’AI contribuisca a un futuro del lavoro più produttivo, equo e innovativo.

In Artificial Intelligence, Future of Work, Report and White Paper , , , ,
permalink

Navigare il potenziale trasformativo dell’Intelligenza Artificiale Generativa: approfondimenti e implicazioni

January 23, 2025 — Leave a comment

Il nuovo report di Deloitte sullo stato dell’Intelligenza Artificiale Generativa è stato pubblicato. Alcune indicazioni risultano interessante per l’analisi dei fenomeni organizzativi:

  • Il ritmo dell’adozione della GenAI varia significativamente tra settori e regioni, influenzato da fattori come infrastrutture tecnologiche e apertura culturale.
  • Solo il 28% delle aziende ha integrato la GenAI nelle funzioni principali, evidenziando un divario tra prontezza tecnologica e preparazione della forza lavoro.
  • Le principali aspettative delle organizzazioni riguardo alla GenAI includono riduzione dei costi (74%), personalizzazione per i clienti (56%) e accelerazione dell’innovazione (48%).
  • Solo il 39% delle iniziative avanzate di GenAI raggiunge o supera le aspettative di ROI, spesso a causa di costi elevati e disallineamenti strategici.
  • Le preoccupazioni etiche e normative, come bias e privacy dei dati, rimangono barriere critiche all’adozione su larga scala.
  • La resistenza culturale e la paura di perdere posti di lavoro ostacolano il progresso; un forte supporto della leadership è essenziale per superare queste sfide.
  • Problemi tecnici e vincoli economici potrebbero rallentare l’implementazione della GenAI, richiedendo una pianificazione strategica e investimenti mirati.

L’AI presenta notevoli variazioni tra settori, regioni e dimensioni organizzative. Fattori come la prontezza tecnologica, l’apertura culturale e gli ambienti normativi giocano un ruolo cruciale nell’influenzare la velocità e la portata dell’implementazione.

Ad esempio: i settori guidati dalla tecnologia, come l’informatica e i servizi finanziari, sono in prima linea, dimostrando capacità avanzate e strategie di integrazione. Al contrario, settori come la produzione e la sanità spesso arrancano a causa di vincoli infrastrutturali e requisiti di conformità stringenti.

Questo ritmo irregolare pone una doppia sfida. I primi utilizzatori ottengono un vantaggio competitivo sfruttando la GenAI per ottimizzare le operazioni, migliorare l’esperienza del cliente e stimolare l’innovazione.

Al contrario, i ritardatari rischiano di cadere in un ciclo di obsolescenza tecnologica, rendendo sempre più difficile recuperare terreno. Le organizzazioni devono valutare le loro circostanze uniche e sviluppare strategie su misura per navigare in questo contesto dinamico. Come osservato da un leader del settore:

“Il ritmo di adozione della GenAI dipende tanto dalla mentalità quanto dall’infrastruttura. Le aziende che abbracciano il cambiamento prospereranno; quelle che lo resistono faticheranno.”

A che punto siamo con l’adozione nella forza lavoro?

Le implicazioni della GenAI per la forza lavoro sono profonde, prefigurando un cambiamento paradigmatico nei ruoli, nelle competenze e nelle strutture occupazionali. I dati del rapporto evidenziano alcune tendenze chiave:

  • Il 62% delle organizzazioni ha avviato programmi di aggiornamento delle competenze.
  • Solo il 28% ha integrato la GenAI nelle funzioni lavorative principali, rivelando un notevole divario tra prontezza e implementazione.

Questo divario evidenzia una barriera critica: il disallineamento tra progresso tecnologico e preparazione umana. I dipendenti spesso vedono la GenAI attraverso una lente di incertezza, percependola come un fattore dirompente piuttosto che un abilitatore. Questa percezione è aggravata da una comunicazione inadeguata sui benefici della GenAI e dalla mancanza di opportunità per riqualificarsi e adattarsi ai nuovi ruoli.

Colmare questa lacuna richiede un approccio multifaceted, tra cui iniziative di formazione robuste adattate a diversi livelli di competenza, un dialogo trasparente sull’impatto della tecnologia e la creazione di ruoli ibridi che combinino l’expertise umana con le capacità dell’IA.

Quali benefici puntano a raggiungere le iniziative di GenAI?

Le organizzazioni mirano a una gamma di benefici attraverso le iniziative di GenAI, guidate dal potenziale per l’automazione, l’innovazione e l’insight strategico. Secondo il rapporto, il 74% degli intervistati identifica la riduzione dei costi e l’ottimizzazione dei processi come obiettivi principali. Inoltre, il 56% utilizza la GenAI per esperienze personalizzate dei clienti, sfruttando strumenti come chatbot, motori di raccomandazione e analisi del sentiment, mentre il 48% sfrutta la GenAI per l’innovazione e il prototyping rapido.

Esempi specifici di benefici includono l’automazione di compiti ripetitivi come l’inserimento dati e l’analisi di base, il miglioramento dell’engagement del cliente attraverso la personalizzazione in tempo reale e l’abilitazione di un’ideazione del prodotto più rapida e accurata per ridurre il time-to-market. Nonostante questi vantaggi, realizzare il pieno potenziale della GenAI richiede una visione coesa che allinei gli investimenti tecnologici agli obiettivi organizzativi, una collaborazione interdipartimentale per integrare senza soluzione di continuità le iniziative di IA e valutazioni regolari delle performance per affinare le strategie.

Le iniziative avanzate di GenAI soddisfano le aspettative di ROI?

Il ritorno sull’investimento (ROI) rimane un parametro critico per valutare il successo delle iniziative di GenAI. Il rapporto rivela un panorama misto, in cui solo il 39% delle implementazioni avanzate soddisfa o supera le aspettative di ROI.

I principali fattori che influenzano il ROI includono elevati investimenti iniziali in infrastrutture, acquisizione di talenti e integrazione di sistemi, che spesso ritardano la realizzazione del ROI. Inoltre, i gap di competenze e il disallineamento tra gli obiettivi della GenAI e i più ampi obiettivi organizzativi possono ridurre il valore percepito di queste iniziative.

Le organizzazioni che raggiungono risultati forti in termini di ROI condividono tratti comuni, come la definizione chiara degli obiettivi con risultati misurabili, la collaborazione interfunzionale per allineare le iniziative di IA alle strategie aziendali più ampie e il monitoraggio continuo e l’adattamento delle performance della GenAI.

Cosa potrebbe rallentare l’adozione della GenAI?

Sebbene il potenziale della GenAI sia innegabile, diversi ostacoli potrebbero ostacolare la sua diffusione su larga scala:

  • Preoccupazioni Regolatorie ed Etiche: Le normative sulla privacy dei dati e la sicurezza stanno diventando sempre più stringenti. Le preoccupazioni riguardanti il bias algoritmico e la trasparenza richiedono quadri di governance solidi.
  • Resistenza Culturale: La resistenza al cambiamento all’interno delle organizzazioni, spesso derivante dalla paura della perdita di posti di lavoro, può rallentare i progressi. Il supporto dei leader è cruciale per superare l’inerzia culturale.
  • Limitazioni Tecniche: Nonostante i progressi, persistono sfide come la comprensione contestuale e l’integrazione con sistemi legacy. Problemi nella generazione di output accurati per compiti complessi possono erodere la fiducia nelle soluzioni di IA.
  • Vincoli Economici: Le pressioni di bilancio, soprattutto in contesti con risorse limitate, potrebbero ritardare le implementazioni di GenAI. Le richieste di investimento concorrenti costringono le organizzazioni a dare priorità ad altre iniziative.

Affrontare questi ostacoli richiede di promuovere una cultura dell’innovazione per incoraggiare la sperimentazione, investire in iniziative di aggiornamento delle competenze per colmare il divario di talento e collaborare con gli enti regolatori per navigare efficacemente nelle sfide di conformità.

In Artificial Intelligence, Report and White Paper , , , ,
permalink

Le organizzazioni – come le persone – non sanno prendere decisioni

April 26, 2017 — 1 Comment

Questo recente articolo di McKinsey circa i bias che affliggono la presa di decisione nelle organizzazioni ben si presta a sottolineare uno dei punti chiave nella definizione di una strategia organizzativa che sia funzionale e adatta ai nostri obiettivi di business.

Che le persone non sappiano prendere una decisione, o che quantomeno, facciano estremamente fatica a essere dei decisori razionali ci viene confermato dalla psicologia cognitiva. Famosi in questo senso sono gli esperimenti condotti da Kahneman e Tversky (tra gli altri):

Dopo aver selezionato due gruppi di candidati, Tversky e Kahneman hanno posto il seguente problema chiedendo ai partecipanti cosa avrebbero fatto se la scelta fosse dipesa da loro: negli Stati Uniti sta per giungere una nuova malattia proveniente dall’Asia, sono a rischio le vite di 600 persone; al primo gruppo è stato proposto quanto segue:

  • Programma A: 200 persone si salvano
  • Programma B: 1/3 di probabilità di salvare tutti, 2/3 di probabilità di non salvare nessuno

I programmi per il secondo gruppo erano invece i seguenti:

  • Programma C: 400 persone muoiono
  • Programma D: 1/3 di probabilità che nessuno muoia, 2/3 di probabilità che muoiano tutti

Da un punto di vista di contenuto i programmi A e B sono del tutto equivalenti rispettivamente ai programmi C e D, eppure le risposte dei due gruppi sono state profondamente diverse. Nel primo gruppo è stato scelto il programma A nel 72% dei casi e il programma B nel restante 28%; nel secondo gruppo la scelta prioritaria (78%) è caduta sul programma D mentre il programma C è stato preferito solo nel restante 22% dei casi.

È evidente che al primo gruppo di candidati è stato sottoposto un messaggio in cui prevalevano elementi positivi, mentre il secondo gruppo è stato esposto a contenuti negativi. Si può notare che nel primo caso i candidati si sono orientati verso una risposta di tipo certo, nel secondo caso la polarizzazione delle risposte è invece avvenuta intorno alla soluzione di tipo probabilistico.

Si tratta di un classico esempio di come il “framing”, il modo – cioè – in cui viene presentato un problema, influenza il nostro modo di rispondere e di fornire una soluzione. 

Le organizzazioni, in questo senso, essendo composte da persone e da esseri umani – con i loro pregi e difetti – non sono esenti da questo tipo di problematiche.

Bias organizational

Come persone, all’interno delle organizzazioni di cui facciamo parte, e all’esterno di esse, siamo costantemente coinvolti in bias che ci fanno credere di: essere più competenti di quello che in realtà siamo, sottostimare la possibilità di fallire, sottostimare i nostri difetti e punti deboli, essere non soggetti agli errori che commettono gli altri…
Alcuni di questi errori all’interno della definizione di una strategia di business di un’azienda possono portare a vere e proprie crisi “esistenziali” che minano i presupposti stessi dell’organizzazione.

L’ottima ruota dei bias cognitivi mostra in modo semplice ed efficace l’enorme quantità di errori alla quale siamo soggetti quotidianamente

Cognitive Biases

Uno scenario tutt’altro che roseo che mostra quanto difficile sia realizzare strategie consapevoli che coinvolgano livelli di decisione differente.

Ma come possiamo muoverci in un contesto di questo genere? Come possiamo fare in modo che all’interno delle organizzazioni non si innestino questi meccanismi che ci portano – inevitabilmente – ad essere dei terribili decisori?

McKinsey consiglia alcuni punti chiave da tenere presente:

  • Diffondere una cultura basata sul dialogo e sul confronto. Il “non essere d’accordo” ha un valore fondamentale: in termini psicologici il group-think rappresenta uno dei rischi maggiori nella presa di decisione
  • Aumentare la propria consapevolezza e utilizzare meccanismi meta-cognitivi per analizzare i propri processi decisionali, sia nelle organizzazioni sia all’esterno di esse
  • Ingegnerizzare – per quanto possibile – la presa di decisione attraverso tool e strumenti che possano aiutarci a comprendere in che modo commettiamo errori

Come si legge anche in chiusura dell’articolo:

Companies can’t afford to ignore the human factor in the making of strategic decisions. They can greatly improve their chances of making good ones by becoming more aware of the way cognitive biases can mislead them, by reviewing their decision-making processes, and by establishing a culture of constructive debate.

Il grosso del lavoro da fare è dunque su se stessi: diventare migliori decisori, aumentare la propria consapevolezza sul funzionamento di questi processi ci aiuterebbe a diventare non solo dipendenti migliori ma anche persone maggiormente consapevoli e in grado di risolvere problemi e di pensare in modo strategico.

In Innovation, Organizational Transformation, Psychology, Teorie Organizzative , , , , , , , , ,
permalink

Open Innovation: a che punto siamo e dove stiamo andando

September 3, 2013 — Leave a comment

Di recente mi è capitato tra le mani un interessante report che analizza e fotografa in modo completo e professionale lo stato dell’arte rispetto al tema dell’Open Innovation consentendo di capire in modo molto semplice ed efficace a che punto siamo e in quale direzione si stiano muovendo le grandi aziende.
Trovate il report sul sito dell’Università di Berkeley, ve ne consiglio la lettura.

Prima di tutto che cosa si intende per Open Innovation?  In che modo è stata definita dagli autori del report?

Open innovation is defined as: “… the purposive use of inflows and outflows of knowledge to accelerate innovation in one’s own market, and expand the use of internal knowledge in external markets, respectively.”7 This is the definition we gave respondents for our survey. Using this definition, 78 % of respondents reported practicing open innovation, with 22 % reporting that they do not practice open innovation.

Ma cerchiamo di capire i dati salienti e i punti principali che vengono messi in luce all’interno dell’analisi.

  • Il 78% delle aziende all’interno del report pratica – o perlomeno afferma di praticare – in qualche modo o in qualche forma iniziative di Social e Open Innovation
  • Oltre il 71% delle iniziative di questo tipo trovano un supporto nel top management
  • L’82% del campione ritiene che le iniziative di questo tipo siano in netto aumento e di maggiore intensità rispetto a 3 anni fa
  • L’adozione di strategie e processi di open innovation è in forte crescita in modo trasversale rispetto alle singole unit e rispetto alle industry di riferimento. In questo senso si veda anche lo schema sotto-riportato che chiarifica il posizionamento delle aziende analizzate.

Schermata 2013-09-03 a 00.18.46

  • Le aziende analizzate spendono circa 2 milioni di dollari in iniziative di open innovation all’anno e i team staffati sono di circa 20 persone/risorse full time
  • Il potenziale inesplorato dell’innovazione partecipata è ancora estremamente alto e non correttamente sfruttato per una serie di ragioni: mancanza di formazione corretta che consenta il pieno uso delle piattaforme e dei processi e mancanza di una strategia globale che connetta questa iniziative con i bisogni reali dell’impresa. In sostanza si analizza come a fronte di investimenti maggiormente mirati e strategie maggiormente focalizzate sul business i benefici di iniziative di questo tipo potrebbero – potenzialmente – essere molto maggiori e più legate all’effettivo bisogno espresso dalle organizzazioni.
  • Allo stato attuale molte delle iniziative di questo tipo sono da ricondursi a fasi ancora sperimentali e a esercizi stilistici fini a se stessi che non impattano in modo significativo sulla direzione verso la quale intendono andare le aziende.
  • L’insoddisfazione maggiore legata a questi temi sembra essere quella connessa alle metriche di misurazione di successo delle iniziative di collaborative innovation, mancano misure standard del ritorno dell’efficacia e dell’investimento, ma anche per comprendere adeguatamente l’impatto delle singole idee sull’organizzazione. La maggior parte delle volte non si fa – infatti – ricorso a strumenti che siano in grado di valutare l’efficacia e l’efficienza di questi processi.
  • Le attività di questo tipo – probabilmente anche grazie alla spinta e all’innovazione portata (e in un certo senso imposta) dai social media – sono aumentate e si sono intensificate nell’ultimo anno, crescendo non solo per le aziende che hanno iniziato da poco a sperimentare in questo settore ma anche – e soprattutto – per quelli che sono sul mercato dell’open innovation da più tempo.

Schermata 2013-09-03 a 12.40.02

Di interessante rilievo mi sembra poi l’analisi rispetto ai partner ideali per le iniziative di social innovation. In un certo senso è possibile far emergere una riflessione che si collega molto bene con i principi chiave di una social organization e di un social business: la connessione – cioè – tra l’interno e l’esterno dell’organizzazione, l’allineamento tra le conversazioni che avvengono all’interno dell’azienda e quelle che avvengono all’esterno.
In questo senso diviene dunque fondamentale e di strategica importanza connettere consumatori esterni e dipendenti all’interno di ambienti che rappresentino il contesto ideale e privilegiato per poter far maturare iniziative valide che abbiano un impatto chiave sui processi e sulle strategie aziendali, connettendosi a precisi obiettivi di business e facendo maturare risultati concreti e misurabili.
Altre realtà rappresentano dei partner importanti ma come visibile occupano un posto minore rispetto a queste due dimensioni che riguardano l’interno e l’esterno dell’azienda.

Schermata 2013-09-03 a 12.43.49

Altrettanto importanti risultano le riflessioni che vedono la connessione delle iniziative di open innovation con i dipartimenti interni all’azienda. In particolare risulta interessante e particolarmente significativo notare come la funzione HR giochi un ruolo marginale e quasi assente all’interno di questi processi. Questione molto significativa se si considera che invece proprio questa funzione dovrebbe essere a supporto significativo di questi processi garantendo il coinvolgimento esteso dell’intero ecosistema aziendale.

In generale provando a tirare le somme della questione possiamo dire che:

  • l’open innovation pur essendo un fenomeno tutto sommato nuovo ha del grosso potenziale che è già stato espresso e promette di averne ancora di più nei prossimi anni.
  • Le iniziative condotte dalle aziende pur con notevole soddisfazione estesa mancano di un coordinamento e di una precisa strategia che sia in grado di tenere insieme tutti i pezzi e tutte le risorse del progetto misurandone qualitativamente e quantitativamente output e risultati.
  • Lo spazio per migliorare è ancora molto e per le aziende c’è ancora molta strada da fare soprattutto dal punto di vista della cultura dell’innovazione e delle modalità di collaborazione.
In Innovation, Report and White Paper, Social Business , , , , , , , , ,
permalink