Le funzioni aziendali più impattate dall’AI generativa: quali e perché

L’adozione dell’Intelligenza Artificiale generativa rappresenta una grande opportunità per migliorare l’efficienza e la produttività in vari settori, ma richiede un adattamento significativo, in particolare nel campo dell’educazione e della formazione professionale, per preparare la forza lavoro alle nuove sfide e competenze richieste. Su quali funzioni puntare per investire in AI generativa in azienda?

Ne ha parlato il 19 giugno 2024 a Milano Jeff Maggioncalda, Chief Executive Officer di Coursera, commentando le evoluzioni dell’Intelligenza Artificiale e fornendo una prospettiva dedicata soprattutto all’ambito della formazione, valutazione e HR in generale. 

L’HR è una funzione prioritaria per investire in AI generativa?

Se inizialmente, solo il 15% dei compiti dei formatori potevano essere automatizzati, con l’avvento della GenAI questa percentuale è aumentata notevolmente. È imprescindibile per i formatori imparare a utilizzare queste nuove tecnologie, non solo per migliorare il proprio lavoro, ma anche per formare gli altri sui nuovi strumenti e sulle competenze richieste dal mercato del lavoro.

Per quello che concerne gli altri settori, se le attività di ufficio già prima erano già in buona parte automatizzabili, con GenAI lo sono molti più settori come dalle attività professionali, legali, Stem, customer service alle vendite, per le quali si vedrà un incremento significativo nella possibilità di automazione delle loro funzioni.

Jeff Maggioncalda cita l’analisi di McKinsey sulle funzioni maggiormente impattate dalla GenAI fornendo una chiara chiave di lettura basata sui costi. Lo studio (riportato nell’immagine di questo articolo) evidenzia infatti che l’aumento della produttività legato alla GenAI non riguarda solo l’automazione delle attività, ma anche l’ottimizzazione delle spese. 

“Globalmente, si prevede che la GenAI possa generare circa 3.000 milioni di UDS in aumenti di produttività, concentrati soprattutto in ruoli come il servizio clienti, l’ingegneria del software, la ricerca e sviluppo, il marketing e le vendite”  commenta Maggioncalda. Ruoli questi che, pur avendo una bassa automazione, rappresentano una grande opportunità di guadagno in termini di produttività data l’alta spesa in questi ambiti, mentre  i ruoli HR al momento rimangono nel settore con minor impatto.

Previsione di impatto sul PIL italiano e competitività 

Per l’Italia Jeff Maggioncalda cita i dati di uno studio congiunto tra Microsoft e The European House – Ambrosetti che prevede un potenziale aumento del PIL del 18%, pari a 300 miliardi di euro, grazie all’adozione della GenAI. Settori come finanza, comunicazione, tecnologia, immobiliare e servizi professionali sono quelli che potrebbero trarne i maggiori benefici.

Maggioncalda sottolinea che la competizione globale sarà influenzata dalla rapidità con cui le diverse nazioni adotteranno queste tecnologie e che le regolamentazioni variano molto tra Cina, Europa e Stati Uniti. Aggiunge: “le aziende statunitensi, meno vincolate da regolamentazioni stringenti, possono avanzare rapidamente nell’uso dell’IA, attirando talenti internazionali desiderosi di lavorare in un ambiente meno restrittivo.”

Come migliora la performance con la GenAI

Il ceo di Coursera, attraverso uno studio della Harvard Business School e della Boston Consulting Group, dimostra come l’uso della GenAI può migliorare significativamente le performance dei consulenti strategici. Lo studio ha esaminato 758 consulenti, evidenziando un miglioramento delle performance soprattutto tra coloro che inizialmente avevano ottenuto i punteggi più bassi senza l’uso della GenAI. 

Maggioncalda legge questi dati come base per la riduzione dell’ineguaglianza e sottolinea come l’IA generativa stia trasformando il mercato del lavoro, rendendo necessaria l’adozione di nuove competenze per mantenere la competitività. “Le aziende e i professionisti dovranno adattarsi rapidamente per sfruttare al meglio questa tecnologia, con un impatto significativo sulle modalità di lavoro e sulle opportunità globali” sottolinea. 

L’AI nei sistemi di valutazione accademica

A livello accademico l’AI è in grado di valutare la comprensione dei concetti di un corso seguito da un discente e di fornire una valutazione utile al docente per formulare un giudizio finale. 

“L’AI legge il corso, le istruzioni e l’elaborato dello studente e cerca di capire la comprensione da parte di questo del materiale e come è composto il suo elaborato. Fa una serie di domande: ne pone cinque inizialmente e, se sembra che le risposte non siano coerenti, ne fa altre cinque. Se le risposte dimostrano che conosce bene l’argomento, si fermi lì. Altrimenti, continua a fare domande” precisa Maggioncalda. 

Il rapporto che l’AI fornisce al docente valuta quattro aspetti: 

• coerenza, ovvero quanto le risposte sono coerenti con la sottomissione 
• profondità della comprensione, ossia quanto il candidato dimostra di comprendere il materiale
• rilevanza, quanto pertinenti sono le risposte alle domande
• comprensione generale, ovvero se il candidato comprende effettivamente il materiale presentato

Attualmente, questo processo avviene tramite testo, ma con l’evoluzione di GPT-4, potrebbe diventare una vera e propria interrogazione orale dove l’AI chiede e risponde in tempo reale. L’AI non decide se hai imbrogliato o no, ma fornisce un rapporto al professore che poi decide come procedere.

Maggioncalda sottolinea che questo approccio può aumentare l’efficienza e la scalabilità dell’educazione, ma mantenendo sempre l’uomo al centro del processo decisionale.

L’AI può valutare la performance lavorativa?

Maggioncalda spiega che l’integrazione di feedback umano nei processi supportati dall’IA è cruciale per garantire un’analisi equilibrata e sensibile, ma sebbene l’AI possa riassumere i feedback, è fondamentale che l’input finale e le decisioni siano umane, specialmente in ambiti critici come la valutazione delle performance e le decisioni di assunzione. Spiega: “L’equità e la riduzione dei bias sono questioni centrali. Gli umani sono intrinsecamente soggetti a bias, mentre le IA possono essere istruite per minimizzarli. Tuttavia, la consapevolezza dei bias rimane fondamentale per gestirne l’impatto.”

Infine, la rapidità con cui avanzano i modelli di AI richiede una strategia agile e aperta. L’utilizzo di diversi modelli da parte di diverse piattaforme permette di rimanere all’avanguardia senza dipendere esclusivamente da una singola tecnologia.