In sintesi
- Fonte
- Rinta-Kahila, Penttinen, Salovaara, Soliman and Ruissalo (2023). The Vicious Circles of Skill Erosion: A Case Study of Cognitive Automation. Journal of the Association for Information Systems, 24(5), 1378–1412. doi:10.17705/1jais.00829
- Come è stato condotto
- I ricercatori hanno studiato a fondo una sola azienda e hanno ricostruito come affidamento all’automazione, eccesso di fiducia e perdita di competenze si alimentassero a vicenda. Studio di caso. Un esame ravvicinato di una o poche organizzazioni, basato su interviste e osservazione.
- Chi ha partecipato
- Uno studio contabile che da diversi anni si affidava alle funzioni automatiche del suo software.
- Dove
- Uno studio contabile; il gruppo di ricerca aveva sede in Finlandia e in Australia.
“The erosion of essential human expertise is problematic if workers remain accountable for tasks for which they lack sufficient understanding, rendering them incapable of responding if the automation fails.” [L’erosione di competenze umane essenziali è un problema se i lavoratori restano responsabili di attività che non capiscono abbastanza, e questo li rende incapaci di reagire se l’automazione si guasta.]
Che cosa ha trovato
- Più il personale si affidava all’automazione, più il personale e l’azienda si adagiavano.
- Questo eccesso di fiducia indeboliva tre abitudini: sapere che cosa sta facendo il software, mantenere le proprie competenze e controllare i risultati.
- Venute meno queste abitudini, le competenze si erodevano ancora di più, e questo aumentava l’affidamento al software. Gli autori chiamano questi cicli circoli viziosi.
- L’erosione può restare nascosta. Né i lavoratori né i responsabili possono accorgersene finché l’automazione non si guasta.
Gli autori aggiungono che perdere competenze superate è un costo normale delle nuove tecnologie. Il problema comincia quando la competenza persa è una di cui le persone hanno ancora bisogno per rispondere del lavoro.
Quando vale il risultato
Il personale dello studio restava responsabile delle attività svolte dal software. È questa combinazione, responsabilità senza pratica, ad aver reso dannosa l’erosione.
Uno studio successivo ha misurato direttamente lo stesso tipo di perdita, e molto più in fretta. Veda le competenze degli endoscopisti dopo il lavoro con l’IA.
Limiti
- Una sola azienda. Uno studio di caso mostra come qualcosa può succedere. Non mostra quanto spesso succede.
- L’automazione era un software di contabilità, non gli attuali strumenti di chat con l’IA.
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)