Sam Jenkins, Managing Partner at Punchcard Systems – Intervista

Sam Jenkins, Managing Partner at Punchcard Systems, ha trascorso più di due decenni lavorando all’intersezione di tecnologia, imprenditorialità e trasformazione organizzativa. Dal 2016, quando ha co-fondato Punchcard Systems, ha aiutato a guidare la crescita dell’azienda e ha consigliato le organizzazioni sulla strategia del luogo di lavoro digitale, software personalizzato, intelligenza artificiale e tecnologie emergenti. La sua esperienza precedente include la co-fondazione di Startup Edmonton e Wellnext, la guida dello sviluppo aziendale e delle iniziative tecnologiche di Microsoft presso iomer internet solutions, e l’occupazione di posizioni esecutive e di consiglio in tecnologia, sanità, sicurezza pubblica e organizzazioni comunitarie. Questo background gli ha dato una prospettiva ampia su come la tecnologia cambia il modo in cui le persone collaborano, prendono decisioni e svolgono il loro lavoro.

Punchcard Systems è un partner tecnologico canadese che lavora con aziende in crescita e medie imprese per progettare, sviluppare e implementare soluzioni digitali legate a obiettivi aziendali misurabili. Servendo oltre 150 clienti in Canada e negli Stati Uniti, le capacità dell’azienda includono software personalizzato per web e mobile, intelligenza artificiale, infrastruttura cloud, dati e analisi, progettazione dell’esperienza utente e tecnologie del luogo di lavoro come Microsoft 365, Azure, Copilot, Teams, SharePoint e Power Platform. Punchcard si concentra sull’aiutare le organizzazioni a modernizzare le operazioni, migliorare l’esperienza degli impiegati e dei clienti e integrare nuove tecnologie in processi aziendali pratici.

La tua carriera ha seguito l’evoluzione della tecnologia del luogo di lavoro, dalle piattaforme per impiegati basate su Microsoft SharePoint alla co-fondazione di Startup Edmonton e alla creazione di Wellnext e infine Punchcard Systems. Come ha plasmato la tua visione del passaggio da software che gli impiegati utilizzano autonomamente ad agenti di intelligenza artificiale che svolgono lavoro per loro conto?

Quando ho iniziato a lavorare con tecnologie del luogo di lavoro digitale come SharePoint (nel 2003!), l’attenzione era focalizzata sulla creazione di migliori modi per gli impiegati di trovare informazioni, condividere conoscenze e collaborare. Alla fine della giornata, l’impiegato svolgeva ancora il lavoro: navigava nei sistemi, produceva gli output. Oggi, stiamo andando oltre l’intelligenza artificiale come strumento di produttività individuale e verso una nuova era di intelligenza artificiale agente, in cui i sistemi possono assumere compiti più complessi e multi-step per conto degli impiegati.

Quella è la parte che sta cambiando. Come ecosistema, stiamo superando l’intelligenza artificiale come strumento di produttività personale e ci stiamo muovendo verso sistemi agente che assumono lavoro complesso per conto di esseri umani reali. Claude Cowork e ChatGPT Work stanno rendendo questo approccio agente abbastanza mainstream.

Ho osservato alcuni di questi cambiamenti tecnologici adesso, e il modello si mantiene ogni volta. Le organizzazioni che vincono non trattano la nuova tecnologia semplicemente come una distribuzione. La trattano come un’opportunità per rivedere come le persone, i processi e la tecnologia lavorano insieme.

ChatGPT Work può raccogliere informazioni da applicazioni e file connessi, completare assegnazioni multi-step e produrre documenti, fogli di calcolo e presentazioni finiti. Come cambierà questo le responsabilità quotidiane dei lavoratori della conoscenza che in precedenza creavano questi materiali da soli?

Credo che il lavoro stia passando da “produrre output” a “governare i risultati”. Ciò cambia fondamentalmente il ruolo dei lavoratori della conoscenza, ma non sostituisce la necessità di insight e supervisione umana. Invece, gli impiegati si sposteranno sempre più dal creare ogni pezzo di lavoro da soli a gestire, revisionare e orchestrare output generati dall’intelligenza artificiale.

Molto del lavoro ripetitivo si sposterà sull’agente: raccogliere informazioni, costruire presentazioni o documenti, o riassumere dati. Ciò libera le persone per il lavoro che realmente necessita di una persona: strategia, creatività, pensiero critico e collaborazione.

La competenza che diventa sempre più preziosa è sapere come dirigere l’intelligenza artificiale bene, dandole il contesto giusto e riconoscendo quando la risposta sembra giusta ma non lo è.

Hai descritto un crescente bisogno di “gestori di intelligenza artificiale”. Cosa comporterebbe questo ruolo nella pratica e come differirebbe dalle responsabilità di un amministratore di sistema, un gestore di prodotto o un gestore di persone tradizionale?

I gestori di intelligenza artificiale svolgeranno un ruolo importante nell’aiutare le organizzazioni ad adottare l’intelligenza artificiale in modo responsabile ed efficace. La loro responsabilità sarà quella di gestire e governare gli output dell’intelligenza artificiale, assicurandosi che il lavoro generato dall’intelligenza artificiale sia accurato, affidabile e allineato con gli obiettivi aziendali.

Questo è un lavoro diverso da quello tradizionale dell’IT, che possiede infrastrutture e sistemi tecnici, o di un gestore di prodotto, che si concentra sullo sviluppo e il miglioramento dei prodotti. Ogni dipartimento avrà bisogno di qualcuno che capisca come l’intelligenza artificiale si applica alle loro aree specifiche, che sia finanza, legale, risorse umane o operazioni.

Il vero cambiamento è la proprietà. Adesso, la maggior parte delle organizzazioni non ha designato qualcuno che sia chiaramente responsabile per il fatto che questi sistemi forniscono valore e rimangono all’interno di rischi accettabili. Quella lacuna, in termini di identificazione di individui direttamente responsabili, è ciò che questi tipi di ruoli colmeranno.

KPMG Canada ha scoperto che gli agenti di intelligenza artificiale stanno già influenzando il modo in cui le organizzazioni assumono sia impiegati di livello iniziale che esperti. Quali competenze diventeranno più preziose mentre i datori di lavoro iniziano a valutare i candidati sulla loro capacità di delegare lavoro all’intelligenza artificiale, valutare i suoi output e intervenire quando necessario?

Le competenze che diventeranno sempre più preziose sono quelle che rimangono unicamente umane, come pensiero critico, giudizio, comunicazione, creatività, risoluzione di problemi e leadership.

La letteratura tecnica sull’intelligenza artificiale continuerà a essere importante, ma i datori di lavoro stanno cercando persone che capiscono come l’intelligenza artificiale si inserisce nell’ambiente aziendale più ampio. Ciò include competenze come gestione del cambiamento, gestione del rischio e pensiero strategico.

La linea tra ruoli tecnici e non tecnici si sta confondendo. Le organizzazioni stanno spostando l’attenzione dall’assunzione di persone solo per le competenze che già possiedono verso persone disposte a imparare, adattarsi e migliorare continuamente. Gli impiegati più preziosi saranno quelli che possono utilizzare le capacità dell’intelligenza artificiale mentre capiscono dove il giudizio umano rimane essenziale.

Molti impiegati tradizionalmente sviluppavano il giudizio professionale completando compiti ripetitivi di livello iniziale. Se gli agenti di intelligenza artificiale assorbono gran parte di quel lavoro fondamentale, come possono le organizzazioni ridisegnare la formazione e lo sviluppo di carriera in modo che i giovani impiegati acquisiscano ancora l’esperienza necessaria per diventare decision-makers efficaci?

Questo è un fatto che mi preoccupa un po’. Le persone costruivano il giudizio e l’esperienza lavorando attraverso compiti di livello iniziale. Se gli agenti fanno quel lavoro, la scala perde alcuni gradini.

Le organizzazioni dovranno essere più deliberate che mai nel costruire il talento dei giovani attraverso la mentorship, la formazione, gli esercizi di decisione e l’esposizione a progetti di alto valore più presto nella carriera di qualcuno.

C’è anche un’opportunità per la mentorship inversa, in cui i giovani impiegati che sono più familiari con gli strumenti di intelligenza artificiale possono aiutare i team a capire come queste tecnologie possono essere applicate, mentre gli impiegati esperti continuano a fornire il contesto aziendale e il giudizio che l’intelligenza artificiale non può replicare.

L’obiettivo dovrebbe essere quello di ridisegnare il processo di apprendimento per un luogo di lavoro in cui esseri umani e intelligenza artificiale lavorano insieme.

Punchcard ha una vasta esperienza nell’implementazione di Microsoft 365 e tecnologie del luogo di lavoro correlate. Come ChatGPT Work cambia il panorama competitivo per Microsoft Copilot e Google Gemini, e quali fattori le organizzazioni dovrebbero considerare quando selezionano una piattaforma di intelligenza artificiale per il lavoro quotidiano?

Il panorama si sta evolvendo rapidamente e le organizzazioni hanno più opzioni che mai. La decisione dovrebbe basarsi su quale soluzione si allinea meglio all’ambiente tecnologico esistente, ai flussi di lavoro, ai requisiti di sicurezza e agli obiettivi aziendali.

Per le organizzazioni già investite in Microsoft 365, strumenti come Copilot possono offrire vantaggi attraverso l’integrazione con applicazioni e dati esistenti. Altri potrebbero trovare piattaforme diverse meglio adatte alle loro esigenze.

Credo che la domanda chiave che i leader dovrebbero fare non sia “quale strumento?” ma “quale problema stiamo risolvendo e quale piattaforma ci aiuta a risolverlo in modo responsabile?”

Quello che abbiamo imparato direttamente: l’adozione di successo è più che lo strumento. Abbiamo implementato piattaforme di intelligenza artificiale a livello aziendale, con modelli personalizzati in base a come lavoriamo realmente. Ogni impiegato li utilizza, ma ciò non deriva dal selezionare il prodotto giusto; deriva da solide fondamenta di dati, governance e costruzione dell’intelligenza artificiale su come l’azienda funziona.

Le prestazioni del modello spesso dominano le conversazioni sull’intelligenza artificiale del luogo di lavoro, ma le organizzazioni devono anche considerare le autorizzazioni, l’accesso ai dati, la controllabilità e la responsabilità. Quali controlli di governance dovrebbero essere stabiliti prima che un agente di intelligenza artificiale sia autorizzato a operare attraverso email, documenti, database interni e applicazioni aziendali?

Uno dei più grandi errori che vedo le organizzazioni commettere è trattare la governance dell’intelligenza artificiale come un pensiero successivo. Mentre i sistemi di intelligenza artificiale diventano più capaci e connessi ai dati aziendali, le organizzazioni devono stabilire principi chiari su come questi strumenti sono utilizzati prima di scalarli ampiamente.

Ciò inizia con la comprensione di quali informazioni i sistemi di intelligenza artificiale possono accedere, assicurandosi che le autorizzazioni siano opportunamente definite e mettendo in atto controlli intorno alla sorveglianza e alla responsabilità.

Le organizzazioni hanno anche bisogno di linee guida chiare su dove l’intelligenza artificiale può operare in modo indipendente e dove è richiesta la supervisione umana.

Costruendo le giuste fondamenta intorno ai dati e alla sicurezza fin dall’inizio, le aziende possono sbloccare il valore dell’intelligenza artificiale mentre gestiscono i rischi che derivano da sistemi sempre più autonomi.

Man mano che gli agenti di intelligenza artificiale agiscono invece di fornire semplicemente risposte, gli errori possono avere conseguenze operative. Come le aziende dovrebbero convalidare il lavoro generato dagli agenti, determinare quali azioni richiedono l’approvazione umana e assegnare la responsabilità quando un agente produce un risultato inaccurato o compie un’azione non intesa?

Quando l’intelligenza artificiale passa dal rispondere all’agire, il profilo di rischio cambia. Non ogni compito ha le stesse poste in gioco, quindi la barra per l’approvazione umana dovrebbe scalare con ciò che è in gioco nel risultato.

Semplicemente, ciò richiede una chiara proprietà. L’intelligenza artificiale dovrebbe supportare la presa di decisioni, non sostituire la responsabilità. Le organizzazioni devono definire chi monitora le prestazioni dell’intelligenza artificiale, convalida gli output e è ultimamente responsabile per i risultati. L’obiettivo è combinare l’efficienza guidata dall’intelligenza artificiale con il giudizio umano, creando sistemi che sono sia scalabili che affidabili.

Molte organizzazioni stanno sperimentando con l’intelligenza artificiale senza ancora collegare l’adozione a risultati aziendali misurabili. Come i leader dovrebbero identificare utilizzi di intelligenza artificiale agente degni di nota, misurare il loro ritorno sull’investimento e determinare se un progetto pilota è pronto per essere scalato in tutta l’organizzazione?

La lacuna solitamente si ricollega alla sequenza. I team scelgono una tecnologia per prima e poi cercano un posto dove metterla, quando le vittorie più durature derivano dall’iniziare con un flusso di lavoro che è già doloroso e costoso e chiedersi se un agente è veramente lo strumento giusto.

Il miglior filtro è la variabilità. Se un processo è prevedibile a sufficienza per un motore di regole, non hai bisogno di un agente. Se è così aperto che nessuno può descrivere un buon risultato, l’agente lotterà e non sarai in grado di fidarti. Il valore si trova nel mezzo, in lavori che richiedono giudizio attraverso più sistemi ma che ancora funzionano all’interno di regole limitate e controllabili.

Aggiungerei una domanda di screening che cambia il profilo di rischio più di ogni altra cosa. È il costo di un’azione errata limitato e reversibile? Lì, lascia che l’agente agisca e si muova velocemente. Lì dove un errore è costoso o difficile da annullare, mantieni una persona nella decisione.

Sul ritorno, l’errore comune è misurare la cosa sbagliata troppo tardi. Ore risparmiate è la metrica predefinita, ma sottostima l’impatto. I ritorni più grandi si verificano come compressione del ciclo di tempo, tassi di errore più bassi e capacità che erano precedentemente razionate diventano disponibili. Un team di supporto che poteva raggiungere solo la metà dei biglietti diventa un’attività diversa una volta che può raggiungere tutti. Cattura una baseline pulita prima che il progetto pilota inizi, perché senza di essa sei bloccato a discutere aneddoti. E quando calcoli il costo, conta l’intero quadro. Lavori di integrazione e tempo di supervisione umana sono voci di linea reali, e la supervisione è cronicamente sottostimata.

Decidere se scalare è dove la disciplina conta di più, ed è il passo che i team si affrettano. Un demo su input puliti ti dice poco. Un progetto pilota è pronto quando tiene su input reali e disordinati, quando i modi di fallimento sono compresi e limitati, quando l’osservabilità è in atto in modo che un fallimento silenzioso venga catturato piuttosto che scoperto da un cliente, e quando una persona nominata è responsabile in produzione.

Esegui un controllo dell’economia dell’unità anche, poiché i costi dell’agente scalano con l’utilizzo in un modo che i posti di lavoro del software non fanno.

I sistemi agente falliscono diversamente dal software tradizionale. Falliscono in modo probabilistico e spesso silenzioso, quindi le organizzazioni che si distinguono costruiscono la valutazione e il monitoraggio fin dall’inizio piuttosto che aggiungerli dopo che qualcosa si rompe.

Punchcard Systems aiuta le organizzazioni a passare dall’esperimento con l’intelligenza artificiale all’integrazione di essa in processi aziendali reali. Come valuti la prontezza di un’organizzazione per l’intelligenza artificiale, identifichi i flussi di lavoro in cui può fornire valore misurabile e aiuti i team a implementare questi sistemi in modo responsabile senza disturbare le operazioni esistenti?

È importante iniziare comprendendo lo stato attuale dell’organizzazione. Una delle più grandi fraintendimenti è che l’adozione dell’intelligenza artificiale sia semplicemente una questione di scelta dello strumento giusto. In realtà, l’implementazione di successo dipende dall’avere solide fondamenta: dati di qualità, processi chiari e proprietà definita.

Da lì, aiutiamo le organizzazioni a individuare dove l’intelligenza artificiale può creare il maggior valore, spesso in flussi di lavoro che consumano tempo sproporzionato rispetto al loro impatto, o in decisioni prese senza le informazioni giuste a portata di mano.

Le organizzazioni devono pensare a come ruoli e processi decisionali evolveranno insieme alla tecnologia. Combinando la tecnologia giusta con l’adozione degli impiegati e la gestione del cambiamento, le aziende possono integrare l’intelligenza artificiale in modo da creare valore misurabile senza rompere ciò che già funziona.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Punchcard Systems.