Il management sembra a prima vista un dominio di confronto, giudizio e responsabilità — tutto terreno tipicamente umano. Eppure una funzione manageriale è composta da una serie di compiti distinti, e questi compiti differiscono notevolmente per quanto l'AI possa assumerli. Dei 40 compiti che distinguiamo all'interno di questo dominio, una parte chiara rientra in ciascuna delle tre categorie. Il modello dietro a questo è più utile di un semplice elenco con crocette.
I compiti che consistono principalmente nel raccogliere, ordinare e riassumere dati esistenti si prestano bene a essere completamente assunti dall'AI. Si pensi alla stesura di un rapporto gestionale per la direzione o gli azionisti: i numeri sono già presenti nei sistemi, la struttura del rapporto è in gran parte fissa, e l'AI può segnalare deviazioni e tendenze senza che una persona debba digitare ogni riga. Anche il monitoraggio del budget e la segnalazione di deviazioni rientrano in questo: si tratta di confrontare le spese effettive con il preventivo e applicare valori soglia, cosa in cui il software è strutturalmente migliore di una persona che lo fa settimanalmente accanto ad altre attività.
La caratteristica comune di questa categoria è che il risultato può essere determinato in gran parte oggettivamente a partire dai dati disponibili, e che il compito si ripete secondo una struttura fissa. Serve poco margine di interpretazione e nessuna ponderazione di interessi. Questo rende la differenza con compiti simili in altri reparti non casuale: anche in l'AI può assumere la tenuta del registro di controllo delle modifiche finanziarie vediamo che la registrazione sistematica e basata sui dati è ben automatizzabile, mentre l'interpretazione di ciò che tale registrazione significa richiede qualcos'altro.
Una gran parte del lavoro manageriale si colloca tra l'automazione completa e il lavoro interamente umano. Qui l'AI può produrre un concetto, un'analisi o una proposta, ma una persona valuta il risultato e lo approva o respinge, con motivazione.
La stesura di un piano annuale con obiettivi concreti è un buon esempio. L'AI può creare, sulla base di dati storici e input dall'organizzazione, una prima bozza di obiettivi, azioni e responsabilità per reparto. Ma se questi obiettivi siano realistici, sufficientemente ambiziosi e coerenti tra loro richiede una valutazione da parte di qualcuno che conosce l'organizzazione, le sue persone e i suoi limiti. Lo stesso vale per la definizione dei KPI per team o processo: l'AI può fare suggerimenti basandosi su organizzazioni o settori comparabili, ma la scelta di quali indicatori debbano davvero guidare dipende da priorità che non sono completamente deducibili dai dati.
Anche la preparazione e la definizione dell'ordine del giorno delle riunioni manageriali rientrano in questa categoria intermedia: l'AI può raccogliere documenti, proporre un ordine del giorno e fare riassunti, ma qualcuno deve valutare se gli argomenti giusti siano stati messi all'ordine del giorno nel modo giusto, e se i punti delicati debbano o meno essere discussi in questo consesso. Il modello è sempre lo stesso: l'AI fornisce una solida prima versione, una persona la verifica rispetto a un contesto che non è completamente registrato nei dati, e approva o respinge.
Un terzo gruppo di compiti rimane in gran parte alle persone, non perché l'AI non possa elaborare le informazioni, ma perché il compito stesso ruota attorno all'assumersi responsabilità, ponderare interessi o parlare a nome dell'organizzazione.
Prendere decisioni durante una riunione manageriale è qui l'esempio più chiaro. Possono esserci sul tavolo informazioni completamente analizzate, ma la scelta stessa — con la responsabilità che comporta — spetta alle persone che hanno l'autorità e il mandato. L'AI può rendere visibili opzioni e conseguenze, premere il pulsante lo fa qualcun altro.
La stesura di un piano strategico per gli anni a venire rientra in gran parte nella stessa categoria. L'AI può fornire analisi di mercato, clienti e analisi interne, ma scegliere una direzione per un'organizzazione nel medio termine richiede una ponderazione di rischio, ambizione e di ciò che l'organizzazione vuole diventare — qualcosa che non si può dedurre oggettivamente dai dati. La pianificazione del fabbisogno di personale a livello manageriale è delicata per un altro motivo: riguarda direttamente decisioni su persone e funzioni. Per questo tipo di decisioni valgono requisiti legali specifici che un datore di lavoro deve rispettare, e questi richiedono un'accuratezza che non può essere sostituita da un'analisi dei compiti. Chi si orienta più ampiamente sulle questioni di personale, ritrova una distinzione simile nella pagina su quale lavoro può assumere l'AI nel reparto HR: anche lì il confine tra analisi dati di supporto e decisioni sulle persone si può tracciare nettamente.
Se osserva i 40 compiti in questo dominio, emerge una linea: quanto più un compito consiste nell'elaborazione ripetibile di informazioni esistenti e strutturate, tanto prima l'AI può assumerlo completamente. Quanto più un compito richiede di combinare dati con conoscenza organizzativa non documentata, tanto prima è necessaria la supervisione. E quanto più un compito è esso stesso l'esercizio di responsabilità, mandato o giudizio — non la sua preparazione — tanto prima resta lavoro umano. Questo modello non è esclusivo del management: la stessa logica spiega ad esempio perché in quale lavoro può assumere l'AI nella logistica i compiti di pianificazione siano automatizzabili più rapidamente rispetto ai compiti in cui qualcuno deve concordare un'eccezione con un fornitore o un cliente.
Questa suddivisione dice qualcosa sui compiti, non su quanto management necessiti un'organizzazione o su come organizzi il proprio personale — questo è e resta compito dell'organizzazione stessa, con i propri quadri normativi applicabili.
Vuole sapere come questa suddivisione si traduce nella sua situazione specifica? La quickscan gratuita di ftetoai è composta da dodici domande, funziona senza account, e fornisce un'indicazione di quale parte delle ore nel suo profilo può essere oggi assunta dall'AI. Attenzione: si tratta di una prima indicazione, non di un'analisi completa. La werkscan approfondita, che entra più nel dettaglio a livello di singolo compito, è ancora in fase di sviluppo — non possiamo ancora offrirgliela, ma la quickscan offre già un punto di partenza onesto.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.