L'impatto dell'AI sui Team di lavoro

Se proviamo a cercare un po’ di articoli sull’Intelligenza Artificiale e il lavoro, la quasi totalità si concentra su elementi di produzione/efficienza: come creare più post, come fare più contenuti, come sviluppare nuovi agent… e anche su LinkedIn si parla della velocità di realizzazione di ricerche, contenuti e di come grazie all’AI possiamo fare più cose a parità di tempo.

Proviamo ad andare oltre questo elemento superficiale e considerare gli effetti sui Team di lavoro facendo delle ipotesi su quello che potrebbe accadere ai gruppi di lavoro in vari ambiti (soprattutto marketing, comunicazione, prodotto) partendo da alcune premesse di carattere generale.

Quattro premesse

Prima di parlare dell’impatto dell’AI sui team di lavoro sono opportune quattro premesse:

premessa sui contenuti: alla velocità di produzione non corrisponde un aumento di spazi;
premessa sulle attività: l’efficienza sulla produzione sposta l’attenzione su decisioni e priorità;
premessa sulle competenze: l’AI è una protesi magnificativa che richiede una doppia componente;
premessa sull’organizzazione: con poca chiarezza i benefici sono quasi nulli.

Premessa sui contenuti

Grazie all’evoluzione dell’Intelligenza Artificiale oggi è possibile fare più contenuti? Assolutamente sì, ma è un elemento che non dovrebbe monopolizzare le conversazioni: aumentare la produzione di contenuti non è un obiettivo, ma potrebbe essere uno strumento funzionale al raggiungimento di alcuni obiettivi, anche se improbabile.

Perché improbabile? Banalmente per tre ragioni:

Non è aumentata la quantità di tempo disponibile: abbiamo sempre 24 ore in una giornata, non abbiamo più tempo rispetto al passato e mediamente gli Italiani passano quasi due ore al giorno sui Social Media (con una leggera flessione anno su anno);
Non sono aumentati gli spazi disponibili: se il tempo speso sulle piattaforme non aumenta, lo spazio disponibile per attirare l’attenzione delle persone rimane lo stesso.
Non c’è causalità tra quantità e risultati: aumentare la quantità di post (o di budget) non si traduce necessariamente in un aumento dei risultati funzionali al raggiungimento degli obiettivi.

Se guardiamo qualche infografica ci sono già più contenuti che tempo, spazio e persone per guardarli.

Per cui riflettere su come automatizzare o aumentare la produzione di contenuti non è particolarmente interessante, bisognerebbe chiedersi sempre di più quali contenuti ha senso produrre.

Approfondimenti sul contesto:

Premessa sulle attività

Se il focus dell’AI è “produrre di più” ci stiamo concentrando sulla realizzazione di attività (o task) e anche questo non dovrebbe essere un obiettivo: se infatti ci concentriamo sul “fare cose” nel giro di alcuni mesi saremo nuovamente saturi e al punto di partenza, nuovamente stressati e con backlog lunghissimi.

There’s always more to build than we have time or resources to build – always

Le attività dovrebbero essere focalizzare sul ridurre la quantità di lavoro massimizzando l’impatto delle poche attività rimaste

Minimize output, and maximize outcome and impact

Le due frasi di Jeff Patton riportando l’attenzione a un tema che potremmo definire strategico: se oggi il costo e il tempo di realizzazione (operatività) si compattano, il focus e l’attenzione si spostano su altri elementi più decisionali sia in positivo (cosa fare) che negativo (cosa scegliere di non fare).

Approfondimenti sul contesto:

Premessa sulle competenze

L’Intelligenza Artificiale consente alle persone di migliorare le proprie competenze e velocizzare alcune attività sempre da un punto di vista operativo. Migliorare non significa creare o sostituire: da questo punto di vista l’AI è una protesi estensiva e in alcuni casi magnificativa ¹.

Rimanendo vicini a questo concetto e riprendendo il concetto di persona T-Shaped o π-Shaped (alcune competenze orizzontali e alcune verticali) ecco che l’AI consente di aumentare le capacità senza però diventare sostitutiva (anche se questo è uno dei desideri non detti da parte di certe organizzazioni o manager).

Con l’AI lavoratori e lavoratrici assumono una forma che ricorda più una V, ma non consente di estendere le proprie competenze (che chiameremo, come nell’immagine “non skill”).

Una maggior autonomia delle persone, grazie all’aumento delle capacità, richiede anche una riflessione sul ruolo della persona e sul lavoro stesso. Se infatti in passato la Job Description o il Ruolo erano molto legati alla componente operativa, con la perdita di rilevanza di questa ecco che i confini tra alcune professioni tendono a perdere di senso.

Possiamo dare concretezza a questo concetto con un esempio: il lavoro dello Scrittore. Se tradizionalmente siamo abituati a sottolineare la componente pratica (una persona che di lavoro scrive), nel momento in cui l’Intelligenza Artificiale riduce/semplifica la parte operativa, la dimensione del lavoro si sposta verso la parte creativa (intesa come capacità di sviluppare soluzioni emergenti).

Ad aumentare di rilevanza sono ambito e capacità di affrontare una serie di nuove sfide in contesti ignoti.

Approfondimenti sul contesto:

Premessa sull’organizzazione

In un contesto dove il contesto VUCA si rinforza (dato che abbiamo un aumento di accelerazione e volatilità, incertezza, complessità e ambiguità) possiamo proporre una nuova metafora vicina al mondo ittico:

Pesce organizzato mangia pesce disorganizzato

Se infatti conosciamo già due frasi piuttosto famose – Pesce grande mangia pesce piccolo e pesce veloce mangia il pesce lento – oggi la componente organizzativa (non intesa come rigidità, ma come conoscenza del lavoro e capacità evolutiva) consente di massimizzare il valore delle nuove tecnologie.

Uno dei limiti che sta emergendo nell’implementazione di soluzioni legata all’AI è infatti il debito semantico, ovvero l’ambiguità su processi, ruoli, pratiche, struttura.

Nel momento in cui si vogliono ottimizzare i processi, è necessario che questi siano noti, nel momento in cui si vuole sostituire una persona, è necessario avere chiaro il ruolo etc. etc

La presenza di poca chiarezza sta generando la diffusione dei due/tre use case nell’adozione dell’AI su larga scala, con un focus sempre sulle attività e poco sugli impatti.

Approfondimenti sul contesto:

Team e AI

Sulla base di queste premesse che compongono il contesto è possibile andare a immaginare quali potrebbero essere gli impatti sui team di lavoro.

Come Team di Lavoro, appoggiandoci a Scrum, intendiamo un gruppo di persone (superiore a due e inferiore a 10) in possesso delle competenze e capacità necessarie per trasformare delle idee in incrementi.

Nel team consideriamo una eventuale presenza di Agenti AI (entità autonome o semi-autonome basata su intelligenza artificiale, sviluppata per perseguire uno o più obiettivi specifici all’interno di un ambiente definito).

Riduzione del numero di membri

Uno dei primi effetti potenziali sui team è la riduzione del numero di persone necessarie per produrre lo stesso output.

L’AI consente a singoli individui di svolgere in autonomia attività che in precedenza richiedevano il contributo di più specialisti e quindi un numero minore di persone è ora in grado di coprire un ventaglio di attività più ampio.

Aspetti positivi

Possibilità di lavorare su un numero limitato di attività
Efficienza operativa
Riduzione dei costi fissi
Comunicazione più semplice

Aspetti negativi

Aumento delle dipendenze esterne per mancanza di skill “profonde”
Incremento della superficialità data la riduzione dei punti di vista
Crescita della fragilità dato che ci sono meno ridondanze

Domanda chiave: come garantire resilienza in team più piccoli?

Team super-frazionati

Onde evitare dipendenze esterne, manteniamo un numero di persone simile al passato, ma questo team viene diviso su più progetti essendo aumentata la capacità produttiva. Ogni membro del team lavora su più stream e i team diventano sovra-estesi e multi-funzionali.

Questo è il modello adottato (spesso) nei contesti che vogliono massimizzare l’output senza ridisegnare l’organizzazione.

Aspetti positivi

Riduzione dei costi
Sviluppo di skill trasversali
Flessibilità cross-progetto

Aspetti negativi

Riduzione del deep work e aumento del content switching
Aumento dei costi organizzativi
Diminuzione della qualità per priorità concorrenti

Domanda chiave: come evitare la dispersione nei team frammentati?

Singolo Team multiprogetto

Una ulteriore possibilità è rappresentata da team stabili, strutturati, che operano contemporaneamente su più iniziative, mantenendo un’identità e una coesione interna.

A differenza dei team super-frazionati, in cui le singole persone sono coinvolte in progetti diversi spesso in contesti separati, qui il team agisce come unità unica e coerente, anche se lavora su stream paralleli. È una forma organizzativa che tenta di massimizzare l’efficienza senza perdere la cultura di team.

Aspetti positivi

Efficienza operativa
Resilienza e cultura di team
Diminuzione degli overhead rispetto a team separati

Aspetti negativi

Ambiguità decisionale
Potenziali carichi disomogenei
Dipendenza da figure di coordinamento

Domanda chiave: come generare impatto e non solo output?

TAAS – Plug and Play

Un ulteriore scenario è rappresentato da team modulari temporanei, attivati su richiesta in base a una specifica esigenza progettuale. Parliamo di team costruiti con logica Plug & Play o Team As A Service (TAAS): composti da persone interne, collaboratori esterni e, in alcuni casi, agenti AI, con l’obiettivo di rispondere rapidamente a bisogni puntuali (campagne, prodotti sperimentali, redesign, validazioni rapide).

A differenza dei team stabili o funzionali, questi team hanno una durata limitata e una missione chiara: vengono creati e sciolti in modo flessibile, spesso operando su processi già standardizzati o documentati.

Questo modello consente alle organizzazioni di reagire in modo rapido a opportunità o cambiamenti, senza dover riconfigurare l’intera struttura e richiede una forte maturità progettuale, chiarezza di obiettivi e un sistema di gestione del lavoro che consenta l’integrazione veloce dei team temporanei nel flusso complessivo.

Aspetti positivi

Massima flessibilità nella risposta ai bisogni progettuali
Attivazione rapida di competenze e capacità
Scalabilità abilitata da AI e standard operativi
Maggiore controllo sui costi variabili rispetto a team interni fissi

Aspetti negativi

Rischio di perdita di continuità e conoscenza progettuale
Maggiori costi cognitivi per integrazione e onboarding
Possibile disconnessione rispetto alla cultura e ai processi interni
Dipendenza da documentazione ben fatta e processi formalizzati

Domanda chiave: Come mantenere coerenza e qualità in team temporanei attivati su richiesta?

Note:

In Kant e l’Ornitorinco U. Eco definisce le protesi in tre macro-categorie: sostitutive (fanno quello che il corpo faceva, ma non fa più) estensive ( prolungano l’azione naturale del corpo) e magnificative (qualcosa che qualcosa che va oltre l’estensione) ↩

L’impatto dell’AI sui Team di lavoro