L’Ai messa al lavoro. Aziende ancora indietro, uno studio di McKinsey indica le scelte da fare

L’Ai messa al lavoro. Aziende ancora indietro, uno studio di McKinsey indica le scelte da fare

La rivoluzione dell’Intelligenza Artificiale non è un pranzo di gala. Anche se – come spiega l’Osservatorio del Politecnico di Milano – nel 2018 valeva 200 milioni e oggi è arrivata a due miliardi. Ma è tanto necessaria quanto complessa da interpretare, da parte del mondo dell’impresa. Ci ha visto giusto Alvise Biffi che, come primo atto a guida di Assolombarda, ha varato il progetto ForgIA per accompagnare le imprese, con l’obiettivo di aumentarne la produttività: “L’intelligenza artificiale non rappresenta più solo uno strumento di supporto, ma una vera e propria leva strategica fondamentale per la crescita”, ha spiegato. Ora una ponderosa ricerca di McKinsey aiuta a chiarire i quadro: “Se da un lato l’adozione dell’Ai ha subito un’accelerazione esponenziale, con l’88 per cento delle aziende che l’ha implementata in almeno una funzione, i ritorni economici faticano a materializzarsi: l’80 per cento delle imprese dichiara di non aver ancora registrato un contributo significativo all’EBIT derivante da queste tecnologie”. E’ il “Paradosso della GenAI” a cui far fronte “attraverso l’evoluzione dai semplici Chatbot  a sistemi in grado di pianificare attività, interagire con sistemi aziendali ed eseguire azioni complesse, ridefinendo i processi aziendali”. 
E’ ciò che emerge dal report “GenAI as an opportunity for productivity and industrial transformation” di McKinsey. In base allo studio, “se l’uso di semplici strumenti GenAI da parte dei dipendenti offre un incremento di produttività di circa 1,2 volte, l’adozione di flussi di lavoro agentici raddoppia il potenziale (2x) e la creazione di Digital Agent Factories, dove gli umani supervisionano un’organizzazione virtuale di agenti, genera un potenziale di produttività che può aumentare fino a 20 volte”. Risultati che è possibile raggiungere, secondo McKinsey, attraverso sei ingredienti fondamentali: una roadmap guidata dal business, lo sviluppo di talenti, una delivery agile, tecnologie adeguate, gestione dei dati e una solida gestione del cambiamento. Una parte rilevante di questo monitoraggio riguarda le ricadute sull’organizzazione del lavoro e sull’associazione tra Ai e robotica. “Il lavoro del futuro sarà una partnership tra persone, agenti e robot, il tutto alimentato dall’Ai. Le tecnologie odierne potrebbero teoricamente automatizzare più della metà delle attuali ore di lavoro. Questo riflette quanto profondamente il lavoro possa cambiare, ma non è una previsione di perdita di posti di lavoro”. La maggior parte delle competenze umane continuerà a esistere, sebbene applicate in modo diverso. “Oltre il 70 per delle competenze ricercate oggi dai datori di lavoro viene utilizzato sia in lavori automatizzabili che non automatizzabili. Questa sovrapposizione significa che la maggior parte delle competenze rimarrà rilevante, ma il modo e il luogo in cui verranno utilizzate evolveranno”.

I tempi sono cruciali. “Questa rivoluzione – spiega di recente il presidente del Comitato Leonardo (il Ghota di Confindustria) Matteo Zoppas – sta cambiando ogni paradigma. Ci siamo chiesti se chi decide in azienda non è cosciente di questa rivoluzione, di dove sarà la sua azienda tra 5 o 10 anni. Perché gli uomini devono prendere coscienza di quanto siano in ritardo. Il nostro più acerrimo nemico è il famoso teorema del ‘not invented here’”. Anche il Politecnico sta lavorando per dare un supporto concreto alle imprese, grazie all’Osservatorio sulla Intelligenza artificiale (nato nel 2017) sperimenta già una quarantina di progetti destinati a rendere compatibile l’Ai con la robotica, come il Total Efficiency 4.0, che “si muove sul terreno dell’automazione industriale e utilizza la digitalizzazione per fare passi avanti nella raccolta dei dati e nella loro analisi”. Applicato alla produzione di pneumatici, il progetto prevede di costruire un’infrastruttura digitale di smart manufacturing al fine di creare una reale unificazione e integrazione delle varie fasi di produzione. Il nuovo sistema consentirà di gestire in una logica di machine learning tutti i processi. Le fasi di produzione saranno coinvolte per ottenere una maggiore produttività, flessibilità, velocità, efficienza energetica, riduzione della variabilità di prodotto e un conseguente incremento dei livelli qualitativi”. C’è lavoro, ma sarà differente.