L’intelligenza artificiale può trasformare rapidamente una richiesta in un documento, un piano, una presentazione o un insieme di proposte apparentemente complete.

Ma che cosa accade quando la richiesta di partenza non è compresa allo stesso modo dalle persone coinvolte?

Un obiettivo ambiguo, aspettative implicite, criteri non condivisi e responsabilità poco chiare non scompaiono con l’automazione. Possono anzi produrre più velocemente una grande quantità di lavoro plausibile, che dovrà poi essere verificata, discussa o rifatta.

La velocità dell’output rischia così di nascondere temporaneamente l’incomprensione. Il lavoro sembra già avanzato e diventa più difficile tornare indietro per chiedersi quale problema stessimo cercando di risolvere.

Durante il talk osserveremo una sequenza ricorrente tra i knowledge worker: richiesta ambigua, produzione accelerata, output credibile, revisioni successive, nuove interpretazioni e rilavorazione.

Vedremo come distinguere l’efficienza di una singola attività dalla qualità del flusso complessivo e come rendere visibili alcuni elementi prima di "accelerare":

* il risultato che stiamo cercando;
* le persone per cui deve essere utile;
* le informazioni disponibili e quelle mancanti;
* i criteri con cui valuteremo l’output;
* le decisioni già prese;
* la responsabilità della verifica finale.

Non si tratta di aggiungere burocrazia prima di usare l’AI, ma di creare feedback abbastanza precoci da non produrre più rapidamente qualcosa che nessuno aveva davvero chiesto.

Il talk applica principi di gestione del flusso, di feedback e di miglioramento continuo al lavoro del knowledge worker supportato dall’intelligenza artificiale.

Non riguarda la programmazione, la generazione di codice o la valutazione di specifici strumenti tecnologici. Non è richiesta alcuna conoscenza tecnica dell’AI.

Non sono necessarie attrezzature particolari oltre alla normale dotazione per la proiezione delle slide.