In meno di tre anni il modo di lavorare in azienda ha subito due scosse successive: prima i chatbot LLM multimodali, poi l’AI agentica. La disruption risultante è una composizione di forze i cui effetti sono molto complessi da prevedere. La soluzione, come e più di sempre, è l’osservazione attenta e continua di ciò che sta succedendo. Il business, che prima si modificava in maniera lenta, ora segue schemi convulsi.
Parliamo di LLM in senso generale, ovvero qualsiasi tecnologia che svolga la stessa funzione di un language model, large o small o altro che sia. Già è stato epocale il cambiamento offerto dagli LLM multimodali, con la loro continua competizione verso la qualità. Improvvisamente, qualsiasi individuo poteva chiedere in linguaggio naturale degli elaborati di qualsiasi tipo, anche composti, a un software evoluto che rientra nel cappello della cosiddetta intelligenza artificiale.
Ottimizzare il task non cambia il processo
La prima proposta dell’AI è stata la trasformazione del lavoro del singolo, intesa in senso amplissimo. Questa strada aveva un vulnus: era localizzata sui singoli task. Un tool come l’LLM, che riduce il tempo e la concentrazione dell’individuo, magari ampliando e migliorando il risultato, non altera il sistema complessivo: i processi sono tarati per chiedere determinati output in certi momenti, quindi se i processi restano quelli di prima, al più l’individuo avrà più tempo libero tra un output e il successivo. Solo alcuni professionisti hanno aumentato la produttività, ma per la massa è stato solo un aumento di endorfine (posso scrivere, disegnare, animare, musicare!) con risultato netto pari allo zero virgola.
Quando l’AI entra nei processi
Ma questa trasformazione non è rimasta isolata ed è passata ai processi. L’AI agentica permette di usare le nuove capacità degli LLM secondo flussi di lavoro autonomi, continui, automatici. Questo altera due capisaldi del lavoro come lo concepiamo: i processi vengono riprogettati (e continuamente modificati) e gli agenti AI hanno tutti la stessa, indefessa attività, a differenza di un gruppo di umani nei quali in genere pochi lavorano più di molti.
Questa seconda rivoluzione, l’AI automatica (o agentiva), sta colmando la classica distanza tra IT ed OT. Il ciclo breve dell’informatica e quello lungo delle operazioni richiedono protocolli e approcci al rischio diversi e non compatibili prima dell’IIoT, Industrial internet of things. Oggi la situazione è chiara: chi si ferma è perduto.
D’altronde questa situazione, anche se su scala enormemente ridotta, l’avevamo già vista in passato. Il primo web era statico e prometteva cose che non potevano realizzarsi con il miliardo di siti irraggiungibili dell’epoca. Fu il paradigma Ajax che permise quell’automazione che cambiò i processi di ricerca e interazione, attivando la rivoluzione del web.
Da esecutore a supervisore
Riassumendo dal punto di vista del capitale umano, la transizione è traumatica: da esecutore di task a supervisore di workflow agentivi. La sfida non è tecnica, ma identitaria. Un analista che ha costruito il proprio valore nell’esecuzione analitica per vent’anni non diventa supervisore aggiornando le competenze su un corso. È come passare dal risparmio gestito al fai-da-te in Borsa: roba da far venire il mal di testa.
Come per tutti i settori neotecnologici, le infrastrutture formative disponibili oggi sono insufficienti. N non esiste una metrica di avanzamento, un ROI della formazione, per cui il problema resterà in modalità stealth fino a quando non si rompe il dipendente, o il business.
Lo stesso change management richiede oggi un’attenzione su più fasi. McKinsey ne identifica 4: esecuzione, mobilitazione, trasformazione e reinvenzione, confermando che il punto d’arrivo è comunque una ripartenza. In sintesi, i processi devono cambiare ma noi non sappiamo come evolveranno nella fase successiva, quando i workflow agentivi avranno ridisegnato l’organizzazione e genereranno forme di lavoro – tipi, non posti – che oggi non esistono. Oggi la postura corretta è avere la mente libera, osservare e costruire organizzazioni capaci di riconoscere il cambiamento quando accade, non di prevederlo.
LEGGI ANCHE:
Ridisegnare il motore: automotive e manifattura nell’era dell’orchestrazione