Nella prima settimana di gennaio, ogni palestra del Paese si riempie di persone che hanno deciso che questo è l’anno in cui trasformeranno la propria salute. Mangeranno meglio. Dormiranno di più. Si alleneranno quotidianamente. A febbraio, la maggior parte di questi nuovi arrivati non si vede più da nessuna parte. Trasformare più comportamenti sanitari contemporaneamente è davvero difficile per gli esseri umani, a meno che un grave evento sanitario come un infarto o la diagnosi di diabete non li costringa a farlo. Un cambiamento costante e incrementale non solo è più sostenibile ma, considerando gli inconvenienti (ad esempio gli infortuni) che possono derivare da cambiamenti drastici, è anche più veloce.
Lo stesso vale negli affari. Lo vediamo in questo momento con l’intelligenza artificiale, dove molte aziende sono intrappolate tra due strategie imperfette: cautela paralizzante, in attesa che la tecnologia venga “provata” e lontani lanci lunari in cui massicce trasformazioni promettono di reinventare intere organizzazioni. Aspettare quasi garantisce che sarai lasciato indietro dai concorrenti che stanno già padroneggiando una tecnologia che creerà cambiamenti di ordine di grandezza nei modelli di business. Nel frattempo, la maggior parte delle ricerche mostra che le grandi trasformazioni falliscono con frequenza. Possono consumare vaste risorse, spesso fino al 10% delle entrate annuali, per poi lasciare le organizzazioni esaurite e distratte.
E se il percorso da seguire nel campo dell’intelligenza artificiale non fosse una grande trasformazione, ma un affinamento quotidiano?
Il potere dell’affilatura
Nel nostro nuovo libro Hone: come i leader propositivi sfidano la derivasosteniamo che le organizzazioni dovrebbero passare dal fare affidamento su reinvenzioni periodiche e radicali a micro-aggiustamenti continui e mirati. Talvolta le trasformazioni sono necessarie, ma ciò che chiamiamo “affinamento”, ovvero apportare modifiche piccole ma deliberate che creano slancio cumulativo, è ampiamente sottoutilizzato. Proprio come uno chef affila quotidianamente un coltello per mantenerlo perfetto, anziché aspettare che si smussi e richieda l’atto distruttivo dell’affilatura, le organizzazioni possono affinare il proprio approccio all’intelligenza artificiale in modi meno rischiosi, più resilienti e, in definitiva, più rapidi ed efficaci della trasformazione.
L’affinamento non è affascinante come un colpo sulla luna, ma non è meno ambizioso. Si tratta di strutturare il progresso in modo diverso: incorporare il miglioramento nella pratica quotidiana invece di aspettare il consenso perfetto, una tecnologia rivoluzionaria o un’infrastruttura impeccabile. E alla fine, spesso è più veloce perché evita battute d’arresto e costose correzioni che derivano dalla fretta o dall’adozione di cambiamenti improvvisi. Allineandosi costantemente ai cambiamenti del mercato e apportando miglioramenti incrementali, i team mantengono uno slancio costante e possono adattarsi alle intuizioni e ai progressi in tempo reale.
Quando i leader adottano una mentalità affinata con l’intelligenza artificiale, questa diventa parte dell’azione quotidiana dell’organizzazione piuttosto che di una campagna episodica. Invece di un singolo colpo lunare, concentrati su un portafoglio di esperimenti piccoli e mirati che creino slancio. Ecco come appare l’affinamento applicato all’intelligenza artificiale.
- Migliorare i sistemi esistenti prima di puntare alla completa automazione. Per molte organizzazioni, il semplice miglioramento dei processi attuali con l’intelligenza artificiale, anziché tentare di sostituirli su larga scala, può sbloccare un valore immediato. In settori come il servizio clienti o la gestione della catena di fornitura, ciò potrebbe significare incorporare l’intelligenza artificiale nelle piattaforme esistenti per semplificare i flussi di lavoro, aumentare il processo decisionale umano o migliorare l’accuratezza delle previsioni. Questi passaggi potrebbero non portare a una trasformazione drammatica da un giorno all’altro, ma creano capacità, fiducia e slancio. E, cosa più importante, la pratica dell’uso dell’intelligenza artificiale crea apprendimento da applicare altrove.
- Effettuare “mosse minimamente praticabili”. Applicato all’intelligenza artificiale, ciò significa trasformare grandi sfide in esperimenti accessibili. Invece di provare a implementare l’intelligenza artificiale lungo l’intera catena di fornitura, un’azienda potrebbe iniziare utilizzando l’apprendimento automatico per ottimizzare l’inventario per una sola linea di prodotti. Invece di tentare di automatizzare tutte le interazioni con i clienti, un team potrebbe pilotare un chatbot per una specifica categoria di servizi e valutarne l’efficacia. Anche a livello operativo, un’organizzazione potrebbe sperimentare uno strumento di previsione basato sull’intelligenza artificiale in una singola regione prima di estenderlo a tutta l’azienda.
- Non aspettare la prossima iterazione del modello. La spinta per l’applicazione dell’intelligenza artificiale spesso si impantana nei dibattiti su quanto tempo ci vorrà per raggiungere l’intelligenza generale artificiale (AGI) o cosa porterà la prossima serie di modelli. Sebbene sia utile avere un’idea di ciò che accadrà, quasi sempre sarai più preparato per il futuro esercitandoti con gli strumenti che esistono oggi invece di aspettare le versioni successive che saranno migliori. Raramente le mosse odierne ostacolano gli adattamenti futuri. Le organizzazioni possono creare solide pratiche operative di machine learning, standard di interpretabilità dei modelli ed liste di controllo etiche sull’intelligenza artificiale che possono evolversi insieme alla tecnologia.
- Progettare un sistema che rafforzi il progresso continuo. I team che lavorano con l’intelligenza artificiale dovrebbero sentirsi allo stesso tempo come se non fosse facoltativo lavorare con la tecnologia in qualche modo, senza sentirsi paralizzati dalla necessità che fosse perfetta. Gli incentivi dovrebbero premiare l’adozione e in particolare non punire il “fallimento”. In effetti, preferiremmo non usare mai più il termine “fail fast”. A nessun essere umano piace fallire; gli incentivi dovrebbero premiare i team che utilizzano la tecnologia e imparano. Gli standard e le aspettative dovrebbero essere continuamente migliorati nel tempo man mano che l’organizzazione apprende.
Questi esempi condividono un filo conduttore comune: non aspettano che la tecnologia sia definita o che la soluzione sia chiara. Costruiscono progressi attraverso vittorie minori e visibili che rafforzano la fiducia e accelerano l’adozione. E tutti si affidano a un sistema di gestione che punta a risultati comportamentali mirati.
Se vuoi che le persone adottino l’intelligenza artificiale, devi cambiare i sistemi che le guidano. Queste mosse non funzioneranno a meno che non modifichi quelle della tua azienda sistemi di gestione—le regole formali e informali che governano un’organizzazione. Chiamiamo i sistemi di gestione il “sistema nervoso” delle organizzazioni perché sono gli elementi che guidano il cambiamento o, troppo spesso, impediscono alle persone di cambiare.
Ecco alcuni modi in cui i sistemi di gestione possono essere modificati per creare trazione per gli sforzi di intelligenza artificiale.
- Diritti decisionali: Potrebbe essere necessario avere un certo grado di controllo centrale sul portafoglio di test che un’organizzazione sta effettuando nel campo dell’intelligenza artificiale. Adottare un approccio “lascia che mille fiori sboccino” decentralizzando i test potrebbe rendere più difficile la condivisione dell’apprendimento dei progetti pilota iniziali e accelerare i tempi, costringendo ciascuna parte dell’organizzazione a creare il proprio percorso.
- Valutazione delle prestazioni: Aggiungere l’adozione dell’intelligenza artificiale agli obiettivi; basta fare attenzione a ciò che viene misurato: se si tratta del successo di un test iniziale, potrebbe inavvertitamente mettere un governatore sull’ambizione.
- Budget: La leadership può stanziare alcuni fondi flessibili che consentano ai team di testare e adattare rapidamente le idee sull’intelligenza artificiale, anziché vincolarle a progetti di capitale pluriennali.
- Rispettare le norme: Abbiamo visto alcuni team adottare un “Momento AI” nelle riunioni periodiche in cui i compagni di squadra condividono ciò che hanno imparato. Ciò normalizza la sperimentazione e rende l’intelligenza artificiale parte della cultura, non una campagna separata.
Quando le organizzazioni adeguano continuamente questi sistemi, incorporano l’intelligenza artificiale nel processo decisionale quotidiano. Il risultato può essere una cultura che ripristina quotidianamente il suo vantaggio, piuttosto che una cultura che si attenua fino a quando non viene imposta una trasformazione importante.
La lezione è semplice: non aspettare un’informazione perfetta o un buy-in universale. I leader dovrebbero considerare l’intelligenza artificiale come uno strumento con cui sperimentare, testando applicazioni su piccola scala, monitorando attentamente i risultati e apportando aggiustamenti continui. L’affinamento può mantenere l’intelligenza artificiale allineata allo scopo fondamentale di un’organizzazione imponendo feedback, valutazioni e correzioni costanti. E se può funzionare per l’adozione dell’intelligenza artificiale, immagina quante altre sfide dell’organizzazione moderna potrebbero essere affrontate attraverso il perfezionamento.
Smettila di pianificare il lancio sulla luna. Inizia ad affinare.
