La Rivoluzione dell’Intelligenza Artificiale Generativa ha travolto, lo scrivevamo proprio nel manifesto dello scorso anno, tutte le attività umane. Proprio tutte? No, ma quelle essenziali per lo sviluppo e il mantenimento di una società più giusta e sostenibile certamente. Pur sussistendo moltissimi ambiti di discussione, l’apporto di queste tecnologie nelle attività umane, lavorative, scientifiche, medicali, educative, formative e ludiche si arricchisce ogni giorno.
Le potenzialità, spesso percepite o latenti, hanno portato ogni disciplina a occuparsi, o preoccuparsi, di verificare in che modo trarne un possibile vantaggio, o nel caso opposto a contrastarne il potenziale pericolo.
La piattaforma di AI generativa più conosciuta al mondo ha avuto tassi di crescita e utilizzo continui, mai visti in passato con nessuna tecnologia o invenzione. I concorrenti entrano nel mercato con la strada già spianata e anch’essi crescono vertiginosamente.
Non abbiamo sbagliato quando, all’apparizione della tecnologia stessa, abbiamo facilmente profetizzato che la forza autoesplicativa portasse ad una diffusione globale.
Le AI generative sono facili da spiegare, vengono intuite come risolutive e hanno quell’aura di misteriosa potenza che le rende virali.
Quest’ultimo anno non è trascorso linearmente, sono nate nuove soluzioni, piattaforme ma specialmente modelli che hanno spinto talune tecnologie a prevalere su altre. Qualche volta una nuova versione di modello LLM ((Large Language Model) è dovuta tornare sui suoi passi per rendere l’ambiente di dialogo più confortevole e sicuro per un pubblico che da utente è rapidamente diventato un fan.
Molti paradigmi sono scivolati verso il basso e altri sono cresciuti, si sono rivalutate le piattaforme e gli algoritmi di deep learning (DL) che ci tengono compagnia da oltre un decennio in migliaia di applicazioni che nemmeno immaginiamo ma che specialmente usiamo, o vengono usate nei nostri confronti, quotidianamente.
Nell’ultimo anno ci sono stati avanzamenti a livello internazionale e nazionale con il rilascio dei timidi AI Act, i primi strumenti per cercare di normare, di contenere, di definire queste tecnologie. Si è continuato a parlare di etica dell’AI e degli algoritmi, tema sul quale ci siamo soffermati a lungo nel Manifesto dello scorso anno.
Si è sviluppata sempre più l’idea di una AI italiana o continentale, non in contrapposizione alle altre, ma come spazio di lavoro e ricerca che aiutasse il contenimento della fuga all’estero delle persone più competenti. Questione, in parte mitigata, dalle ambigue politiche migratorie messe in atto negli USA ma che hanno aperto la porta all’import di specialisti in Cina, India e altri paesi non solo europei.
I settori che ben promettevano lo scorso anno (assistenza personale, medicale, supporto alla rappresentazione di idee) hanno avuto una crescita continua.
Il concetto di vibe coding (programmare senza averne le basi ma chiedendo all’AI frammenti di codice pronto semplicemente spiegando cosa si vuole ottenere, ha avuto uno sviluppo importantissimo con il solito rimbalzo tipico di ogni nuova implementazione.
Tutto questo è coinciso con l’esplosione, con la deflagrazione, di corsi di formazione che, sfruttando l’hype, hanno indotto a pensare che ci sia una idea ben chiara, definitiva e immediatamente utilizzabile dell’AI nelle attività di coding. Nulla di più falso. Il mondo dei software di intelligenza artificiale è gassoso, spesso si concentra intorno a dei nuclei di aggregazione ma con la stessa velocità migra verso altre soluzioni creando nuove concentrazioni. Tutto questo è sfidante e avvincente ma non può rispondere adesso a domande semplici, banali, come la scelta di una infrastruttura di coding che abbia permanenza e possibilità di scalabilità negli anni.
L’AI generativa non solo è una un insieme di tecnologia in espansione tendenzialmente infinita ma si basa, alla fine, su punti fondamentali che non possono non essere di interesse di imprenditori e PA e conseguentemente dei fornitori e dei lavoratori.
Se venti anni fa si parlava dell’economia della conoscenza, oggi si tende a parlare di una economia che ha una componente di conoscenza formalizzata e una parte di estrazione statistica di altra conoscenza.
L’AI generativa ha sdoganato concetti che vanno oltre la rappresentazione, o lo studio della verità, per affermarsi nelle terre di mezzo, nelle somiglianze, nelle copie e nelle similitudini.
Mentre filosofi, antropologi, teologi e sociologi (giusto per citare alcuni pensatori) si cimentano nella difficile arte, prima di reputarsi e darsi credibilità nella disciplina e poi di iniziare a raccontare la trasformazione in atto, le imprese e la PA puntano senza indugio verso una richiesta di competenze.
Ci concentreremo sulle competenze in alcuni ambiti fondamentali come le
trasformazioni del lavoro, dell’educazione e della società. Ma andiamo per ordine
Trasformazioni del lavoro
Il lavoro necessita dell’evoluzione della Digital Transformation (DT) verso un universo che chiameremo AI Transformation (AIT) che che comprende tutte le attività della trasformazione digitale integrate le nuove possibilità della AI generativa e dell’Agentic AI a cui può essere consentita maggiore autonomia decisionale ma sempre su processi che devono essere supervisionati.
Le competenze sono principalmente quelle di conoscenza dei processi interni esistenti e di quelli possibili facendo il grande sforzo di prevedere la capacità della tecnologia al momento della sua reale implementazione.
Diventa fondamentale quindi poterne prevedere le traiettorie.
Non possiamo più parlare di specializzazione o singole competenze ma dobbiamo immaginare il nuovo lavoro come parti che si integrano con altre in maniera dinamica e mutevole. Risulta persino difficile da descrivere e inquadrare con i frame attuali.
Una sola mansione (complessa) dovrà essere svolta da diverse persone coordinate e si dovranno trovare nuovi modi di coordinamento del lavoro stesso. Non esisterà, e già non esiste probabilmente, uno stato finito che richieda una lavorazione da parte di una singola competenza/persona ma si tratterà di un intreccio complesso e articolato.
I passaggi di informazioni tra un lavoratore e l’altro troveranno nuovi modi per essere trasferiti.
Educazione, formazione
L’educazione, il sistema educativo, che di norma è dedicato ai più giovani, è già stato investito dall’AI. Sono diverse le ricerche che indicano come moltissimi studenti utilizzino, in maniera più o meno consapevole l’AI generativa per le attività di supporto alle proprie attività didattiche e di studio.
La formazione, quella che include adulti e upskilling, dovrà riportare ordine all’improvvisazione nella ricerca della micro competenze specifiche.
Saranno sempre meno i lavoratori che chiederanno, o almeno si spera, di imparare ad usare un software o un’applicazione e sempre di più quelli che chiederanno di imparare processi che magari integrano anche competenze acquisite con il tempo.
Questa consapevolezza non è facile nel panorama attuale visto che la perdita di skills e competenze di base è in pericolosa caduta libera.
Sarà necessario mappare le nuove competenze e lavorare per incrementare la velocità dei processi formativi.
Rispettando sempre quelli che sono i principi etici che devono governare queste discipline.
Società
L’ultimo ambito in cui ci cimenteremo è quello della società nel suo insieme, che opera sempre di più con il digitale e perde la consapevolezza di valori essenziali come la privacy, i diritti digitali e più in generale quelli delle persone. I sondaggi europei danno una tendenza di abbandono della consapevolezza dei diritti digitali a favore dell’accettazione di regole scritte e dettate da privati.
Se su questi temi abbiamo fatto le battaglie degli ultimi trent’anni per conquistare il diritto alla propria identità digitale e il diritto di gestirla, i sistemi massivi da una parte e la forte incapacità politica di determinare limiti tra pubblico e privato stanno devastando questa posizione raggiunta.
Quali skills per l’AI competitiva?
Questa è la domanda che più spesso si sente fare e alla quale vengono fornite risposte non solo approssimative, ma troppo spesso basate su quello che si conosce e che si immagina possa servire senza avere l’ampissimo contesto ben chiaro.
La confusione maggiore è tra le competenze che adesso servono (ad esempio il prompt engineering di cui tanto e inutilmente si è parlato) e quelle che serviranno solo tra pochi anni se non mesi.
Abbiamo analizzato le traiettorie di ricerca, quindi di futura implementazione industriale e software, dell’AI non solo generativa e possiamo sintetizzare quali sono i momenti fondamentali che servono alle imprese e alla PA. Andiamo per punti.
La valutazione dell’impatto dell’AI
Servono competenze già esistenti, come quelle di trasferimento tecnologico, digitale, implementazione di processi, ambito informatico e matematico e devono semplicemente essere riadattate ad un orizzonte in rapidissima evoluzione. Si devono aggiungere competenze previsionali come la statistica inferenziale e più in generale la capacità di gestione attiva di processi in trasformazione. Gli esperti di business plan aiuteranno a prendere decisioni valutando come l’AI impatterà integralmente o parzialmente sui processi esistenti o se saranno necessarie attività di spin-off dedicate.
In questa fase sarà da compiere anche la non facile attività di scelta delle soluzioni software (se non hardware), decidere se i processi avverranno all’interno del perimetro dell’impresa o affidate esternamente. Valutare le trasformazioni e mettere a punto un sistema di continuous analysis of technological transformations.
Sempre in questa delicatissima fase andranno individuate le figure tecniche, scientifiche e applicative e le relative competenze da avere o da raggiungere. Le figure dell’HR tradizionale dovranno affrontare la sfida delle nuove competenze richieste anche a loro abbandonando schemi e tassonomie assolutamente superate.
Implementazione delle competenze
Il primo passo è quello della assessment delle competenze attraverso la mappatura di chi c’è nell’impresa e nella PA, la sua possibile permanenza nell’impresa fino al momento in cui le skills potranno essere utilizzate (pensiamo a lavoratori prossimi all’età del pensionamento) e al fatto che queste nuove competenze potranno portare i dipendenti a scegliere soluzioni economicamente più appetibili altrove.
Questo fenomeno di cambio frequente di lavoro, noto come job hopping è più rilevante nelle giovani generazioni fortemente scolarizzate ed è da tenere in grande considerazione e applicando tutta una serie di strategie di employee retention che raramente vediamo immaginate da HR non specializzati.
Formazione continua
Il segreto del successo di un’implementazione è il continuo aggiornamento delle competenze delle persone, il loro coinvolgimento nelle scelte operative e la costruzione di modelli di apprendimento peer to peer in precedenza molto poco utilizzati anche per la segmentazione verticale del lavoro.
Oltre la frontiera
Va tenuto conto che le applicazioni in azienda e nella PA, non solo le AI generative ma anche tutta una serie di soluzioni che integrano processi esistenti con il mondo digitale, non ultimo il tema caldo dell’Agentic AI, sono comunque spazi di frontiera dove i limiti sono elastici, evanescenti. Vanno costruite soluzioni su misura perché ci si confronta e ci si confronterà sempre più con persone con skill specialistiche, rare e costose ma spesso restie a cambiare se il panorama si orienta diversamente.
Mai come in questo periodo il mondo delle imprese è davanti a sfide dove le decisioni rapide, immediate ma allo stesso tempo ponderate faranno la differenza tra uno strepitoso successo e e il rischio di una perdita istantanea della competitività e della capacità di concorrenza.