Business

Due parole sul “Microsoft Future of Work Report 2023”

07 Febbraio 2024

Microsoft ha recentemente pubblicato il Future of Work Report 2023: rispetto alle ultime edizioni, il focus si è spostato dal lavoro remoto e ibrido al lavoro con l’Intelligenza Artificiale.

Questo articolo vuole commentare il report e trarre spunti che possano essere utili nel lavoro quotidiano.

La caratteristica che colpisce di più è che la quasi totalità dei riferimenti bibliografici di questo rapporto è del 2023: questo dà una dimensione di quanto nuova questa branca dell’informatica sia (a parte le enunciazioni teoriche, che hanno costellato già il XX secolo). Pertanto molto di quanto si tratta nel report è in realtà speculazione e potrebbe cambiare in futuro. In questo senso il report potrebbe diventare una linea guida di massima per l’implementazione etica e corretta dell’AI nelle aziende.

Ma facciamo un rapido walkthrough del report: metterò i riferimenti alle slide in fondo ai paragrafi per facile documentazione e approfondimento.

Il rapporto sottolinea che, utilizzando ChatGPT, i knowledge workers (professionisti che svolgono attività intellettuali basate su conoscenza e informazione e sulle loro competenze) sono in grado di aumentare la propria produttività del 37% e migliorare la qualità del proprio lavoro del 40%, ma – al contempo – la precisione delle loro attività subisce una riduzione del 20%. Si evidenzia la possibilità di implementare soluzioni a livello di UX (User Experience) per migliorare questo aspetto (slide 6).

Da un sondaggio condotto tra utenti aziendali di Microsoft Copilot 365 emerge che il 73% di loro ritiene che Copilot li renda più veloci nelle loro attività, mentre l’85% afferma che è utile a redigere una prima bozza di qualità in modo più rapido. Inoltre, il 72% degli utenti concorda sul fatto che Copilot permetta loro di dedicare meno sforzo mentale a compiti ripetitivi (slide 7).

È interessante notare che, dalle prime ricerche, gli LLM (Large Language Models) sono particolarmente vantaggiosi per i lavoratori meno qualificati, con un miglioramento del 43% rispetto a quelli più qualificati, che hanno mostrato un incremento (pur non inconsistente) del 17% (slide 8).

Si evidenzia anche che l’assistente AI è più efficace se utilizzato anche come “agente provocatore”, ovvero strumenti che mettano alla prova le ipotesi, stimolino la valutazione critica, offrano contro argomentazioni, avanzino obiezioni o pongano domande anche fuori dal contesto specifico. Questo approccio favorisce una prospettiva più completa nell’ambito decisionale (slide 9).

L’efficacia dell’AI risiede anche nella sua capacità di suddividere comandi semplici in micro-momenti e microtask, migliorando in tal modo la qualità e l’efficienza complessiva delle attività lavorative (slide 10).

Altro punto interessante sollevato nel rapporto è che, in futuro, l’analisi e l’integrazione delle informazioni generate dall’IA potrebbero diventare più rilevanti rispetto alla ricerca e alla creazione di nuove informazioni. Questo implica che le competenze non strettamente legate alla produzione di contenuti, come la leadership, le interazioni sociali, la gestione della fiducia e la consapevolezza emotiva, potrebbero acquisire un valore sempre maggiore (slide 11).

Creare prompt efficaci per interrogare un sistema IA è una sfida, ma è un’abilità che le persone stanno sviluppando con successo. L’affinamento e l’utilizzo di modelli di prompting basati su LLM stanno semplificando questa operazione, così come i template di prompt risultano comodi per gli utenti finali (slide 12-14).

È inoltre è importante evidenziare e tracciare gli errori e le percentuali di incertezza, anche per evitare una dipendenza eccessiva dagli LLM, e ciò può essere ottenuto attraverso strumenti di co-audit (umani o cibernetici) che verificano gli output degli LLM (slide 18).

Gli LLM richiedono un alto grado di autoconsapevolezza (metacognizione) e una fiducia ben calibrata. Tuttavia, paradossalmente, possono anche contribuire a sviluppare tali qualità negli utenti. (slide 19)

Esiste un forte gap linguistico tra i risultati in lingua inglese e quelli in altre lingue, ancor più vero per lingua non latine o poco presenti sul web. La differenza di performance in lingue diverse non è ancora stata investigata a fondo (slide 20).

Gli LLM possono generare di contenuti ma, visto che la creazione di contenuti è un processo, la loro utilità nella generazione di contenuti veramente originali aumenta se li usiamo per supportare i singoli momenti di questo processo (slide 21).

Un altro dato interessante è che il 36% delle ricerche web basate su LLM è classificata come “complessa”, rispetto al 13% delle ricerche tradizionali: quindi gli utenti stanno usando l’AI per ricerche in ambito professionale e di più alto livello (slide 22).

Quanto alla generazione di codice di programmazione, l’AI può ridurre il tempo usato per task ripetitivi o ritenuti noiosi, inibendo il riciclo di codice. Uno studio su 69 studenti ha dimostrato che l’uso di AI orientate alla scrittura di codice ha migliorato le loro prestazioni nell’apprendimento di Python, anche se non ha influenzato la loro capacità di modificare manualmente il codice. D’altra parte, il codice scritto da AI può essere di più difficile debugging (slide 24).

Gli LLM possono rapidamente analizzare i dati generati dagli esseri umani e produrre dati sintetici, un cambiamento che avrà un impatto significativo sulla ricerca nelle scienze sociali (slide 27).

In ambito lavorativo, l’impiego degli LLM nelle riunioni può contribuire a risolvere problemi come la promozione della partecipazione equa (attraverso un feedback istantaneo) e il miglioramento delle interazioni (attraverso un feedback retrospettivo) (slide 28-29).

Un ulteriore vantaggio dell’IA è la sua capacità di delegare responsabilità di gestione, misurando il carico di lavoro e ridistribuendolo sulla base di presenze, conoscenze e KPI, consentendo così ai dirigenti di concentrarsi sulla visione strategica del team (slide 30).

Un’osservazione chiave del rapporto è che oggi la conoscenza in ufficio è spesso contenuta nelle chat tra colleghi o nella posta elettronica, anziché nei documenti tradizionali. L’AI può aiutare a estrapolare questa conoscenza e renderla fruibile a tutta l’azienda. Tuttavia, l’applicazione efficace dell’IA alle conversazioni dei dipendenti rappresenta una sfida complessa perché sconfina nella privacy e nel diritto (slide 31-32).

Per molte ragioni, l’implementazione di sistemi AI in un’organizzazione è un processo sociotecnico: le nuove tecnologie sono spesso non accettate o, in questo specifico caso, snobbate. L’implementazione dovrà avvenire attraverso la partecipazione degli utenti nei contesti in cui l’AI verrà utilizzata (slide 33).

Questo tema è piuttosto sentito e influenza sicuramente come i knowledge workers percepiscono l’adozione di strumenti AI. Gli strumenti devono tendere ad adattarsi ai workflow e non viceversa stravolgerli, anche per evitare che le competenze degli utenti vadano perdute. Anzi spesso è proprio l’esperienza e il coinvolgimento degli utenti ad aumentare l’efficacia dell’implementazione dell’AI (slide 34).

Altro aspetto importante è il controllo dell’AI: in molti casi i processi del’AI dovrà essere monitorato e indirizzato da esseri umani. Questo significa che gli utenti faranno un lavoro orientato più alla qualità che alla quantità e al controllo, quindi migliorando l’attenzione. D’altra parte, le aziende devono garantire che gli utenti siano sempre formati per il livello di gestione e controllo che devono garantire (slide 35-36).

Il report si chiude con alcune valutazioni dell’impatto dell’IA nel mondo del lavoro attuale: si stima che circa l’80% della forza lavoro negli Stati Uniti potrebbe vedere almeno il 10% delle proprie attività influenzate dai sistemi basati su GPT, con il 19% dei lavoratori potenzialmente coinvolto al 50% (slide 38).

In questo contesto, il rapporto suggerisce che sia importante adottare il quadro concettuale “Innovazione vs. Automazione” anziché “Sostituzione Vs. Potenziamento”. Mentre quest’ultimo paradigma si concentra principalmente sulla decisione di sostituire o espandere una tecnologia o un processo esistente, “innovazione vs. automazione” considera in modo più ampio come l’innovazione e l’automazione possono contribuire a migliorare l’efficienza e la produttività in vari settori, generando nuovi compiti (innovazione) per bilanciare quelli che vengono automatizzati (slide 39).

In conclusione, il rapporto invita a riflettere non tanto su come l’AI impatterà il mondo del lavoro, ma più approfonditamente su come vogliamo che l’AI impatti il nostro lavoro: la domanda da porci va personalizzata: non chiediamoci “Come sarà in mondo del lavoro in futuro?”, ma “Come vogliamo plasmarlo?”: a insegnarci come affrontare il periodo di apprendimento e crescita rapida che ci aspetta c’è il metodo scientifico, per costruire su ciò che già sappiamo, testare nuove idee e confermare i risultati, possiamo plasmare un futuro lavorativo con l’IA che sia equo, produttivo e inclusivo (slide 40-41).

Il report, quindi, è un ottimo punto di partenza per far avvicinare aziende e utenti all’Intelligenza Artificiale con un approccio corretto che dia impulso agli aspetti positivi della sua introduzione evitando errori o cattive interpretazioni. Non siete curiosi di sapere cosa ci riserva il futuro?

Autore
Furio Borsi
Si appassiona al mondo digitale fin da bambino, con il glorioso Commodore 64, sul quale si diverte a scrivere semplici programmi in Basic e modificare giochi. Nel 1990 riceve in regalo il suo primo PC (i386), seguito un paio d'anni dopo da un i486dx. In questi anni affina le sue attitudini al problem solving, scassando hardware e software e divertendosi a rimetterlo a posto. ;) Diventa così "quello che se ne capisce" per i suoi familiari e amici, arrivando a collaborare con alcuni studi professionali per la gestione del parco macchine e dei server Windows. Finito il liceo, studia DAMS con indirizzo multimediale a Bologna e Imperia. Nel 2002, dopo un anno sabbatico a Londra, lavora come sviluppatore junior in un'azienda che produce software per database territoriali in ambito Pubblica Amministrazione. In questo periodo si avvicina con passione a problematiche sistemistiche e di network management su reti estese. Nel 2007 entra a far parte dello staff di Achab, per cui si occupa di formazione e supporto, in particolare riguardo agli RMM e dei prodotti di sicurezza (firewall, AV, VA), e gestione del parco macchine e della rete, portando innovazione nell'azienda.
Commenti (0)
Iscriviti
Notificami
guest
0 Commenti
Inline Feedbacks
Guarda tutti i commenti