Il vero pericolo non è la sola cancellazione del lavoro ma la perdita di competenze
Il dibattito pubblico sull’Intelligenza Artificiale si concentra – e non a torto – sulla paura di perdere il lavoro. Un rischio più sottile, ma non meno concreto, è però legato alla perdita delle competenze. È il fenomeno che gli economisti chiamano Deskilling, l’atrofia delle competenze dovuta all’introduzione di tecnologie improntate all’automazione. Che sia incapacità di controllare o semplice pigrizia: sta di fatto che, di recente, il TAR di Milano ha rigettato il ricorso di un avvocato perché pieno di sentenze inesistenti, generate da un chatbot. Non si tratta di un episodio isolato, anzi i dati confermano quanto il fenomeno sia già in corso.
In uno studio condotto in Polonia, l’uso di un sistema di AI in colonscopia ha ridotto, in soli tre mesi, la capacità autonoma degli operatori di riconoscere adenomi dal 28% al 22%. Nel settore del software, un’analisi di Apiiro ha rilevato che gli assistenti di AI hanno quadruplicato la velocità di rilascio del codice, ma moltiplicato per dieci le vulnerabilità di sicurezza dei programmi. E nei call center, la produttività dei nuovi assunti è aumentata del 34%, ma al prezzo di un apprendimento più superficiale perché frutto di un confronto con i colleghi inferiore al passato, con meno esperienza accumulata.
Questi casi mostrano come l’analisi intorno all’AI non possa limitarsi all’impatto sui posti di lavoro, ma debba coinvolgere anche il modo in cui la usiamo. Ogni volta che accettiamo un suggerimento della macchina senza riflettere, stiamo addestrando noi stessi a non pensare esattamente come, nel passato, abbiamo ridotto l’abilità manuale quando la tecnologia l’ha sostituita con le tante forme di automazione industriale.
Per affrontare il rischio di deskilling, la formazione, ma ancor più l’innovazione dei processi interni deve promuoverne un’adozione non volta a fare prima, ma a fare meglio, affiancando le opportunità rappresentate dalla AI con le peculiarità espresse dall’apporto umano. Ancor più deve favorire ciò che in gergo si definisce “explainable AI” ovvero interrogazioni dei chatbot volti a ottenere trasparenza intorno alla metodologia adottata dalla macchina e a ottenerne le risposte solo a valle di un procedimento condiviso. L’automazione è infatti uno strumento formidabile per avere consigli, ma presenta limiti quando ce ne serviamo per ottenere decisioni perché non conosce il contesto e non comprende le sfumature.
Un ulteriore modo concreto per contrastare questo rischio passa inoltre attraverso il cross mentoring intergenerazionale, ovvero l’allestimento di iniziative di collaborazione tra generazioni diverse all’interno delle organizzazioni. I più giovani, abituati a utilizzare strumenti digitali e modelli di intelligenza artificiale, possono trasferire competenze tecniche e nuovi approcci di efficienza, i colleghi più esperti invece possono condividere la capacità di interpretare i contesti, valutare le conseguenze e riconoscere errori o ambiguità che la macchina non coglie. Insieme possono costruire un apprendimento reciproco che bilanci velocità e profondità, innovazione e senso critico. Promuovere laboratori misti, team di progetto o momenti di confronto tra generazioni non è solo una misura formativa, ma una strategia culturale: serve a mantenere viva la curiosità, a evitare l’atrofia del pensiero e a fare dell’AI un alleato per migliorare il lavoro umano, non per svuotarlo.
Il vero pericolo della AI quindi, non è che la macchina impari a pensare. È che noi smettiamo di farlo.