L’intelligenza artificiale non sta fallendo i lavoratori. I leader stanno fallendo nel ridisegnare il lavoro

Un recente sondaggio Google-Ipsos ha scoperto che solo il 5% dei lavoratori si considera fluente in intelligenza artificiale. Solo il 14% ha ricevuto una formazione sull’intelligenza artificiale nell’ultimo anno. E più della metà crede che l’intelligenza artificiale non si applichi semplicemente al loro lavoro. A prima vista, sembra un problema familiare – una lacuna di formazione, un problema di consapevolezza, forse addirittura una resistenza dei dipendenti.

Ma i dati rivelano un paradosso più profondo. L’intelligenza artificiale è chiaramente una priorità strategica per le aziende come Accenture che hanno segnalato che la competenza nell’intelligenza artificiale influenzerà le promozioni di leadership. Eppure, l’adozione rimane superficiale e frammentata in tutto il personale. Se l’intelligenza artificiale sta ridisegnando l’impresa, perché sembra ancora opzionale a livello di base?

La risposta non si trova nella riluttanza dei dipendenti, ma nel design organizzativo e dei flussi di lavoro.

L’illusione della produttività

Molte organizzazioni che adottano l’intelligenza artificiale nei loro flussi di lavoro stanno vedendo guadagni di produttività a livello individuale o di attività. Ad esempio, nello sviluppo software, gli sviluppatori che utilizzano copiloti di intelligenza artificiale stanno segnalando guadagni di produttività del 30% al 40% a livello individuale. Il codice viene scritto più velocemente. La documentazione migliora. Il debugging si velocizza. Tuttavia, poche aziende stanno vedendo una riduzione corrispondente del 30% al 40% dei costi di ingegneria o un’espansione proporzionale della produzione.

Perché? Perché i guadagni di produttività ai margini non ridisegnano automaticamente l’economia dell’intero. Quindi, mentre i carichi di lavoro si riducono in modo frazionario, non si può ristrutturare il P&L intorno ai risparmi di tempo sparsi. Il risultato è un terreno intermedio scomodo: modesti guadagni di efficienza, costi di licenza di intelligenza artificiale in aumento e nessun cambiamento strutturale nel modo in cui viene creata la valeur. Questo è incrementalismo mascherato da trasformazione.

Il costo umano nascosto

C’è anche una conseguenza più sottile e pericolosa. Mentre l’intelligenza artificiale assorbe le attività, il lavoro si riduce ma non viene arricchito. I dipendenti risparmiano tempo, ma non guadagnano scopo. Le organizzazioni liberano ore senza ridefinire come quelle ore creano valore.

Se uno sviluppatore scrive codice al 40% più velocemente, cosa riempie il vuoto che segue? Le ore possono essere risparmiate, ma il ruolo diventa più sottile – meno impegnativo, meno significativo. Le aspettative si confondono. E i manager sentono la pressione per estrarre risparmi di costo che non possono essere realizzati in modo pulito. I dashboard mostrano una maggiore produttività, ma gli esiti a malapena si muovono.

Questo è il costo nascosto di sovrapporre l’intelligenza artificiale ai lavori esistenti. Consegna efficienza senza elevare il ruolo degli esseri umani. Senza un ridisegno deliberato, i guadagni rimangono cosmetici. I dipendenti si sentono disimpegnati e le imprese finiscono per catturare solo una frazione del vero potenziale dell’intelligenza artificiale.

Questo non è un problema di adozione del personale. È un problema di leadership e design dei flussi di lavoro.

ROI per design: orchestrare gli esiti attraverso la ridisegno dei flussi di lavoro

Oggi, la maggior parte dell’adozione dell’intelligenza artificiale inizia con la domanda sbagliata: “Come applichiamo l’intelligenza artificiale a questo lavoro esistente?” Rispecchia l’errore dell’era digitale – digitalizzare ciò che già esiste senza ripensare come viene creata la valeur. Puoi automatizzare i passaggi e velocizzare i flussi di lavoro, ma a meno che il processo stesso non venga ridisegnato, il modello operativo rimane in gran parte invariato.

L’intelligenza artificiale richiede un punto di partenza diverso: se l’intelligenza artificiale fosse nativa di questo processo, come lo progetteremmo da zero?

Il vero impatto si trova nel passaggio da attività aumentate dall’intelligenza artificiale a un design di flussi di lavoro basato sull’intelligenza artificiale. Ciò inizia con gli esiti, non con l’efficienza. L’obiettivo è una versione del prodotto più veloce, decisioni di rischio più acute, esperienze del cliente più personalizzate, perdite di frode più basse o tassi di conversione più alti? Una volta chiaro l’obiettivo, i leader devono ridisegnare l’intero flusso di lavoro – cosa viene automatizzato, dove siede il giudizio umano, come si spostano le responsabilità e come si misura la performance.

Ciò potrebbe significare eliminare passaggi, ridefinire ruoli, comprimere cicli decisionali e riallocare l’autorità. Solo allora i guadagni di produttività diventano strutturali e non frazionati e il ROI si sposta oltre le ore risparmiate per l’espansione del margine, la crescita dei ricavi o la riduzione del rischio.

Il reset del talento

Mentre i flussi di lavoro vengono ridisegnati, il ruolo umano deve evolversi anche. Il lavoro si sposta dall’esecuzione al giudizio, alla presa di decisioni e alla responsabilità. La leadership deve ruotare su cinque fronti;

Primo, ripensare l’assunzione. Le aziende basate sull’intelligenza artificiale hanno bisogno di persone che possano ragionare da principi primi, siano creative, possano navigare l’ambiguità e ridisegnare i sistemi e non solo utilizzare gli strumenti. Le credenziali e l’anzianità contano meno del giudizio, della risoluzione dei problemi e del rischio creativo.

Secondo, trasformare l’apprendimento. La formazione in aula sui prompt e sulle funzionalità non sarà sufficiente. I dipendenti devono impegnarsi in esercizi di ridisegno – sfide reali e specifiche del dominio che rispecchiano la complessità del loro lavoro effettivo.

Terzo, ridisegnare le carriere. L’avanzamento non dovrebbe essere basato sull’anzianità o sul volume di attività. Dovrebbe essere ancorato alla proprietà degli esiti, alla qualità delle decisioni e alla creazione di valore in ambienti abilitati dall’intelligenza artificiale.

Quarto, misurare ciò che conta. Se l’adozione dell’intelligenza artificiale continua a essere misurata dal tasso di utilizzo degli strumenti o dal numero di licenze distribuite, le organizzazioni continueranno a vedere guadagni incrementali e frustrazione crescente. Smettere di tracciare l’adozione in base alla frequenza di accesso. Iniziare a tracciare la compressione del ciclo di tempo, la velocità delle decisioni, la riduzione degli errori, l’aumento dei ricavi e il miglioramento del costo per servire.

E infine, ma non meno importante, istituzionalizzare il cambiamento attraverso i campioni di intelligenza artificiale di prima linea. Questa trasformazione non avverrà automaticamente en masse, richiede catalizzatori. Le organizzazioni devono identificare ed empowermentare gli agenti di cambiamento – coloro che sono naturalmente orientati al futuro, curiosi e aperti al cambiamento. Questi individui diventano i moltiplicatori della trasformazione, dimostrando cosa è possibile e trainando gli altri in avanti.

Il momento per ridisegnare è adesso

I dati che mostrano che solo il 5% dei lavoratori si considera fluente in intelligenza artificiale non dovrebbero essere letti come un fallimento di ambizione tra i dipendenti. Dovrebbero essere letti come prova che le organizzazioni non hanno ancora incorporato l’intelligenza artificiale nell’architettura di base del lavoro.

Finché l’intelligenza artificiale è sovrapposta ai flussi di lavoro dell’era industriale, il suo impatto rimarrà incrementale. I guadagni di produttività saranno frammentati. I lavori sembreranno diminuiti piuttosto che elevati. Il ROI rimarrà elusivo. Le aziende che si distinguono non saranno quelle che distribuiscono gli strumenti di intelligenza artificiale più numerosi. Saranno quelle che ridisegnano il lavoro stesso in modo strutturale, deliberato e orientato agli esiti.