IA generativa: E' davvero svolta nel mondo del lavoro?

Nel precedente articolo, abbiamo esaminato come l'ampia esposizione mediatica abbia contribuito ad aumentare notevolmente l'interesse nei confronti delle nuove applicazioni basate sull'Intelligenza Artificiale. Inoltre, abbiamo esplorato il concetto del Ciclo di Hype di Gartner, che offre una visione d'insieme delle tecnologie emergenti e delle loro prospettive di sviluppo nel prossimo futuro.
Un esempio concreto è stato il caso di Chatgpt che sta avendo un successo globale, raggiungendo la strabiliante cifra di 100 milioni di utenti appena due mesi dopo il lancio e, secondo stime autorevoli, vanta ora oltre un miliardo di utenti.
In questo articolo, invece, approfondiremo la tematica relativa al mondo del lavoro e sulle prospettive di impiego di questa innovativa tecnologia.
Molti studi di settore si basano su recenti ricerche e sul quadro dell'impatto dell'automazione sul lavoro delineato in “Reinventing Jobs” (HBR Press, 2018). Qui, in particolare, si esaminano i notevoli vantaggi potenziali derivanti dall'utilizzo della Robotic Process Automation (RPA) e delle quattro generazioni di AI attualmente disponibili: sistemi basati su regole, apprendimento automatico, apprendimento profondo e IA generativa.
L'IA generativa e il suo impatto sul mondo del lavoro
Ma come influenzerà esattamente il mondo del lavoro l'Intelligenza Artificiale Generativa? Per rispondere a questa domanda, è fondamentale comprendere le differenze tra l'IA generativa e le generazioni precedenti di IA. Di seguito, evidenziamo le divergenze più significative.
Differenze tra l'IA Generativa e l'IA Tradizionale
Mentre le iterazioni precedenti erano utili per prevedere risultati specifici, l'IA generativa, a causa della sua mancanza di ragionamento basato su regole, sembra destinata a mantenere le sue caratteristiche distintive nel futuro prossimo: l'utilizzo per scopi creativi e artistici.
Per sfruttarne appieno il potenziale, dobbiamo considerare le caratteristiche essenziali del lavoro, come descritte in “Reinventing Jobs”. Esistono quattro possibili esiti associati a qualsiasi tipo di lavoro:
- Eliminazione degli errori: pensiamo al lavoro di un pilota di linea, dove un errore potrebbe avere conseguenze gravi e causare notevoli perdite all'organizzazione.
- Minimizzazione della varianza: ad esempio, nel campo dell'elaborazione delle transazioni, dove il miglioramento della performance oltre un certo punto non apporta ulteriori benefici.
- Miglioramento della produttività: consideriamo il lavoro di un venditore, dove un aumento delle prestazioni si traduce in un valore aggiunto corrispondente per l'azienda.
- Realizzazione di progressi: ad esempio, nei lavori altamente creativi come la scienza dei dati, in cui anche un piccolo miglioramento delle prestazioni ha un impatto straordinario sul valore complessivo.
L'automazione consolidata, come la Robotic Process Automation (RPA), può essere un valido strumento per sostituire il lavoro umano nei casi in cui l'obiettivo principale è ridurre la varianza e vi è una maggiore tolleranza al rischio. Ad esempio, pensiamo all'applicazione della RPA nell'analisi e nella sintesi dei dati finanziari altamente ripetitivi basati su regole, in cui è fondamentale mantenere la coerenza del lavoro. Le generazioni precedenti di IA sono state spesso utilizzate per migliorare le prestazioni in ambito analitico, dove l'obiettivo era l'aumento della produttività o la scoperta di nuove prospettive. Per esempio, gli oncologi hanno sfruttato il machine learning, addestrato su grandi quantità di dati e immagini specifiche, per aumentare notevolmente l'accuratezza nella diagnosi del cancro, potenziando le loro competenze anziché sostituendole, il che ha aumentato il valore dell'esperienza e dell'expertise umana.
Tuttavia, quando l'obiettivo principale è evitare errori, l'IA generativa può rivelarsi una scelta estremamente rischiosa. Le sue “allucinazioni”, menzionate in precedenza, conferiscono un alto valore alle competenze e all'attenzione umana, riducendo notevolmente la sua attrattiva in queste circostanze.
La mano è ancora dell'uomo
L'IA generativa eccelle nel democratizzare la conoscenza e la creatività, abbassando i requisiti tradizionali di competenze per una vasta gamma di attività creative in cui l'obiettivo è l'aumento della produttività o la ricerca di una svolta in settori caratterizzati da una maggiore tolleranza al rischio. Può rivelarsi uno strumento prezioso per incrementare la produttività in settori dove la tolleranza al rischio è più alta, come dimostrato da casi d'uso che spaziano dalla scrittura di contenuti alle operazioni dei call center, dove ha contribuito a migliorare notevolmente l'efficienza, soprattutto per il personale meno esperto.
Infine
È interessante notare che questa democratizzazione dell'accesso potrebbe contribuire a ridurre l'ineguaglianza crescente che abbiamo sperimentato nelle prime due rivoluzioni industriali, poiché l'IA generativa migliora la produttività di chi dispone di competenze meno avanzate, proprio come l'automazione ha fatto durante la terza rivoluzione industriale. Mentre l'IA continua a ridurre il premio sulla creatività e a democratizzare l'accesso, è fondamentale pianificare una continua reinvenzione dei modelli aziendali e delle forze lavoro, in modo da sfruttare in modo efficace questo cambiamento.
Grazie per la lettura! A presto