Un tempo il farmacista preparava i farmaci in laboratorio. Oggi, nella maggior parte dei casi, li prende da uno scaffale e li consegna. La sua competenza non è scomparsa: semplicemente, una parte di ciò che aveva imparato a fare dopo tanti anni di studi universitari, ora non gli viene quasi più chiesto di farlo.
È da questa immagine che parto spesso con i miei studenti quando parliamo di intelligenza artificiale.
Perché qualcosa di sorprendentemente simile sta cominciando ad accadere nelle professioni cognitive.
Il programmatore non scrive soltanto codice: sempre più spesso controlla quello prodotto dall’AI. Il copywriter non parte necessariamente dalla pagina bianca: corregge un testo già generato. L’analista non costruisce sempre il report: verifica quello che un sistema ha preparato per lui.
E qui emerge un paradosso che rischiamo di sottovalutare:
più diventano potenti le macchine a cui deleghiamo il lavoro, più diventano competenti gli esseri umani che servono per controllarle.
Ma come diventeranno competenti i professionisti di domani se, fin dall’inizio della loro formazione, delegheranno alle macchine proprio quelle attività attraverso le quali si diventa esperti?
La storia del farmacista, allora, non parla soltanto di farmacie. Parla di noi.
E forse ci suggerisce che il vero rischio dell’intelligenza artificiale non è che un giorno sappia fare il nostro lavoro meglio di noi.
È che, nel frattempo, noi smettiamo lentamente di imparare a farlo.
DAL FARMACISTA AL COMMESSO OVVERO DAL PRODURRE AL CONTROLLARE
Molti mestieri intellettuali stanno vivendo una transizione per certi versi analoga.
In tutti questi casi una parte del valore professionale si sposta dalla capacità di produrre direttamente un risultato alla capacità di formulare correttamente il problema, interrogare lo strumento e soprattutto verificarne l’esito.
È una dinamica studiata nell’automazione ben prima dell’avvento dei modelli linguistici: quando smettiamo di eseguire direttamente un compito, rischiamo di esercitare sempre meno proprio le competenze che diventano indispensabili quando la macchina sbaglia.
In molti ambiti — medicina, diritto, programmazione critica, analisi finanziaria — il controllo umano dell’output dell’AI non è affatto un’attività residuale. Al contrario, può richiedere un livello molto elevato di competenza.
Per riconoscere un errore plausibile ma sbagliato bisogna conoscere profondamente la materia.
Il paradosso è evidente: più deleghiamo la produzione all’intelligenza artificiale, più abbiamo bisogno di persone competenti per controllarla. Ma se quelle persone imparano delegando fin dall’inizio, come acquisiranno la competenza necessaria per controllarla?
IL DIBATTITO: DESKILLING O POTENZIAMENTO?
Su questo punto esistono due grandi prospettive.
Da una parte troviamo la tesi del deskilling, cioè della progressiva erosione di alcune competenze.
Le sue radici precedono di molto l’intelligenza artificiale. Harry Braverman, già nel 1974, analizzava la separazione tra concezione ed esecuzione del lavoro.
Nel 1983 Lisanne Bainbridge formulò le celebri “ironies of automation”: automatizzare le attività ordinarie può lasciare all’essere umano proprio le situazioni eccezionali e difficili, mentre gli offre sempre meno occasioni per esercitare le competenze necessarie ad affrontarle.
Dall’altra parte troviamo la prospettiva dell’augmentation, cioè del potenziamento delle capacità umane.
Uno dei suoi principali sostenitori è l’economista di Stanford Erik Brynjolfsson, che ha criticato quella che definisce “Turing Trap”: la tendenza a concentrare lo sviluppo tecnologico su macchine che sostituiscono e imitano l’essere umano, anziché su strumenti capaci di aumentarne le capacità.
Alcune ricerche sull’impiego dell’AI nel customer service sembrano sostenere almeno in parte questa prospettiva: i benefici maggiori sono stati osservati soprattutto tra i lavoratori meno esperti, aiutandoli a ridurre il divario rispetto ai colleghi più qualificati.
UNA TERZA VIA: LO “SKILL SHIFT”
Secondo la mia analisi, una terza chiave interpretativa è quella dello skill shift.
Non semplice erosione delle competenze e neppure puro potenziamento, ma ricomposizione delle competenze.
Alcune capacità esecutive vengono esercitate meno; contemporaneamente acquistano valore altre capacità: formulare problemi, interrogare sistemi intelligenti, verificare risultati, riconoscere errori, confrontare fonti, contestualizzare informazioni e assumersi la responsabilità della decisione finale.
È una posizione più prudente, ma probabilmente più coerente con lo stato attuale delle evidenze, anche perché gli studi longitudinali sull’impatto dell’AI sulle competenze professionali sono ancora limitati.
E soprattutto è una prospettiva che ci lascia un margine di azione.
Perché se siamo davanti a una ricomposizione delle competenze e non a un destino inevitabile, la vera domanda diventa educativa:
stiamo costruendo percorsi formativi capaci di sviluppare il giudizio esperto necessario per controllare l’intelligenza artificiale?
Oppure rischiamo di formare direttamente dei supervisori che non hanno mai attraversato l’apprendistato tecnico necessario per diventare davvero esperti?
È forse questo il problema più importante.
Il professionista esperto di oggi può utilizzare molto bene l’AI proprio perché ha imparato il proprio mestiere prima di delegarne una parte alla macchina.
Ma cosa accadrà al professionista di domani che dovrà controllare ciò che l’AI produce senza aver mai imparato a produrlo autonomamente?
La questione, quindi, non è soltanto quali competenze perderemo e quali acquisiremo.
La domanda decisiva è: quali competenze fondamentali dobbiamo continuare a insegnare ed esercitare anche quando l’intelligenza artificiale è perfettamente capace di svolgerle al posto nostro?
È qui che si gioca la differenza tra diventare il “commesso” di noi stessi — circondati da uno scaffale di competenze che possediamo formalmente ma non esercitiamo più — e diventare professionisti capaci di utilizzare l’intelligenza artificiale senza esserne progressivamente svuotati.
Il farmacista non ha scelto di abbandonare delle proprie competenze tradizionali: è cambiato il sistema economico, tecnologico e professionale nel quale quelle competenze venivano esercitate.
Con l’intelligenza artificiale siamo ancora in tempo per chiederci quale sistema vogliamo costruire.
E, soprattutto, quale tipo di professionista vogliamo formare.
Prof. Americo Bazzoffia
Docente universitario, giornalista, saggista, consulente e formatore manageriale sui temi dell’intelligenza artificiale.
A cura dello
Ti potrebbe interessare anche...
