In sintesi
- Fonte
- Beane (2018). Shadow Learning: Building Robotic Surgical Skill When Approved Means Fail. Administrative Science Quarterly, 64(1), 87–123. doi:10.1177/0001839217751692
- Come è stato condotto
- Due studi: due anni di osservazione in cinque ospedali, a confronto tra chirurgia robotica e tradizionale, e interviste in 13 importanti ospedali universitari. Studio di caso. Un esame ravvicinato di una o poche organizzazioni, basato su interviste e osservazione.
- Chi ha partecipato
- Specializzandi in chirurgia e chirurghi in cinque ospedali, più interviste in 13 ospedali universitari.
- Dove
- Ospedali negli Stati Uniti.
“The radically different practice of robotic surgery greatly limited trainees’ role in the work, making approved methods ineffective.” [La pratica radicalmente diversa della chirurgia robotica ha limitato molto il ruolo degli specializzandi nel lavoro, rendendo inefficaci i metodi approvati.]
Che cosa ha trovato
- Il modo abituale di imparare, cioè assumersi sotto supervisione una parte sempre maggiore del lavoro reale, funzionava bene nella chirurgia tradizionale.
- Con il robot, la parte degli specializzandi nel lavoro si è ridotta drasticamente, e i metodi di formazione approvati hanno smesso di funzionare.
- Una minoranza di specializzandi è comunque diventata competente. Si sono specializzati presto, si sono esercitati per conto proprio e hanno operato con meno supervisione di quanto le regole richiedessero. L’autore lo chiama “shadow learning” [“apprendimento nell’ombra”].
- Il risultato è stato un numero di esperti capaci inferiore a quello di cui la professione aveva bisogno.
Quando vale il risultato
Il meccanismo non dipende dalla chirurgia. Vale ovunque una nuova tecnologia riduca la parte del lavoro reale affidata ai più giovani, che così perdono la pratica.
Uno studio successivo ha misurato una perdita di competenze tra medici esperti, non specializzandi, entro tre mesi dall’introduzione dell’IA. Veda le competenze degli endoscopisti dopo il lavoro con l’IA.
Limiti
- Lo studio riguarda i robot chirurgici, non il software di IA. Applicarlo al lavoro d’ufficio è un confronto ragionato, non un risultato verificato.
- Descrive che cosa hanno fatto gli specializzandi per cavarsela. Non verifica che cosa dovrebbe fare invece un datore di lavoro.
Pratiche che usano questo studio
Questo studio sostiene:
- Conservi le attività di base su cui imparano i nuovi arrivati Prima di automatizzare un lavoro di routine, verifichi se è il modo in cui i più giovani imparano il mestiere. Se lo è, ne tenga una parte per loro, o sostituisca l’apprendimento in un altro modo. Più avanti · Impegno: medio (settimane, poche persone)
- Verifichi di tanto in tanto che cosa sa fare il personale senza l’IA Su un campione di casi, faccia svolgere il lavoro alle persone senza l’IA e confronti il risultato con il loro lavoro abituale. Inizi da chi controlla i risultati dell’IA e da chi sta ancora imparando il mestiere, e imposti gli strumenti di chi impara perché diano suggerimenti, non risposte. Più avanti · Impegno: medio (settimane, poche persone)
Questo studio limita o contraddice: