Come l’intelligenza artificiale può aiutarti a prendere decisioni migliori sui progetti

Galen Low: In un certo senso, i progetti sono semplicemente un insieme di decisioni. Anzi, le decisioni sono una parte fondamentale di ciò che fa avanzare i progetti. Ma come possiamo aspettarci che gli esseri umani prendano decisioni corrette quando i progetti procedono a grande velocità e c’è una quantità enorme di informazioni e dati da valutare? Sicuramente l’intelligenza artificiale può essere d’aiuto, ma non sempre dispone del contesto necessario e non è comunque possibile attribuirle la responsabilità delle decisioni.

Nel frattempo, a volte le decisioni istintive prese d’impulso si rivelano essere le migliori. Qual è quindi il giusto equilibrio tra un processo decisionale basato sui dati e assistito dall’intelligenza artificiale e il semplice confrontarsi? Dove si verificano rendimenti decrescenti e, cosa ancora più importante, come prendiamo davvero le decisioni? Per approfondire questo tema, ho invitato una specialista di intelligenza artificiale e gestione della conoscenza, la cui esperienza comprende psicologia, stime aziendali, imprenditoria e ruoli di gestione del prodotto presso aziende Fortune 50 come Meta ed ExxonMobil.

Insieme analizzeremo alcuni esempi specifici di come l’intelligenza artificiale possa sostenere decisioni di qualità, di come la tracciabilità possa aiutare le persone a migliorare il proprio processo decisionale, di come cambi la responsabilità quando entra in gioco l’intelligenza artificiale e di cosa ne sarà del ruolo del project manager se l’intelligenza artificiale faciliterà le decisioni che prima ricadevano su di noi.

Spero che l’episodio vi piaccia.

Benvenuti nel podcast del Digital Project Manager, lo spettacolo che aiuta i leader della delivery a lavorare in modo più intelligente, consegnare con maggiore fluidità e guidare i propri team con sicurezza nell’era dell’intelligenza artificiale. Io sono Galen e ogni settimana analizziamo strategie concrete, tendenze emergenti, metodologie collaudate e, occasionalmente, qualche storia dal fronte dei progetti.

Che tu stia guidando grandi progetti di trasformazione, gestendo flussi di lavoro basati sull’intelligenza artificiale o semplicemente cercando di tenere sotto controllo il caos, sei nel posto giusto. E se ti sta piacendo ciò che ascolti o guardi, considera la possibilità di seguirci sulla piattaforma che utilizzi e magari di lasciarci una recensione. Bene, iniziamo.

Oggi parleremo del processo decisionale supportato dall’intelligenza artificiale e del motivo per cui la qualità delle decisioni potrebbe essere l’elemento che determina il successo o il fallimento di un progetto o di un’iniziativa. Analizzeremo come le decisioni scollegate creino rischi, come i leader di progetto possano migliorare la qualità delle decisioni all’interno di team complessi e come l’intelligenza artificiale possa aiutarci a prendere decisioni migliori, e viceversa.

Con me oggi c’è Cali Collins, cofondatrice e direttrice generale del prodotto di Optimality. Cali è una product leader esperta, con una carriera che ha attraversato infrastrutture di intelligenza artificiale, sistemi di conoscenza, trasformazione aziendale e realizzazione di progetti di capitale su larga scala. Prima di cofondare Optimality, ha guidato lo sviluppo del prodotto presso organizzazioni tra cui Meta ed ExxonMobil, maturando una prospettiva unica sul modo in cui le decisioni vengono prese, o non vengono prese, sia negli ambienti tecnologici in rapido movimento sia nelle complesse aziende Fortune 50.

Oggi, con Optimality, promuove il valore di una piattaforma infrastrutturale per le decisioni, nativa per l’intelligenza artificiale, che aiuta le organizzazioni a strutturare, ottimizzare e ampliare il processo decisionale in un’epoca caratterizzata da dati eccessivi e priorità concorrenti.

Cali, grazie per essere qui con me oggi.

Cali Collins: Assolutamente. Grazie mille per avermi invitata.

Galen Low: Sono entusiasta di averti qui. Inizierò con una domanda un po’ provocatoria e la introdurrò gradualmente. Molte organizzazioni hanno in realtà pochissima struttura o disciplina riguardo al modo in cui vengono prese le decisioni e, a volte, decisioni dalle conseguenze importanti vengono prese in una catena di email o verbalmente su un campo da golf.

E, nella maggior parte dei casi, i team sono semplicemente troppo impegnati a reagire a quelle decisioni per fermarsi a riflettere e chiedersi: «È una decisione ben informata?». Semplicemente la assecondano. Quindi la mia domanda è questa: dato che noi esseri umani non siamo davvero in grado di spiegare gli uni agli altri come e perché vengono prese le decisioni, non è forse un po’ illusorio pensare che l’intelligenza artificiale possa migliorare improvvisamente il processo decisionale organizzativo?

Cali Collins: Voglio dire, sì, assolutamente. Penso che gran parte del problema dipenda dai pregiudizi. Se mi chiedi perché ho preso una certa decisione, ciò che ti dirò potrebbe non essere in realtà il vero motivo per cui l’ho presa in quel modo. Abbiamo tutti le nostre prospettive. Tu hai la tua prospettiva su come ascolteresti la mia spiegazione di quella decisione e credo che ne avessimo parlato anche un po’ durante la preparazione.

Tutto ciò che fai è una decisione. Non puoi documentare ogni cosa mentre la stai facendo. Ho deciso di accedere a questa chiamata. Dovrei poi metterlo per iscritto? Perché dovrei anche decidere quando annotare la decisione che ho appena preso. Le nostre vite sono una serie di decisioni e, grazie a qualcosa come l’intelligenza artificiale, che le acquisisce automaticamente mentre agiamo senza richiedere una documentazione consapevole, possiamo davvero ricevere un aiuto concreto.

Galen Low: Mi piace molto questo punto, perché inizi parlando di pregiudizi e io sono una persona convinta che i pregiudizi possano essere positivi e negativi. Abbiamo, naturalmente, pregiudizi inconsci che ci frenano sicuramente come specie, ma esiste anche il pregiudizio di conoscere ciò che conosciamo. Parliamo spesso del prendere decisioni d’istinto e del fatto che ciò possa essere positivo o negativo, ma fondamentalmente molte decisioni vengono prese sulla base di una certa logica, anche quando le persone non mostrano il ragionamento che le sostiene.

Certo, esistono anche decisioni impulsive che vanno male, ma spesso sorvoliamo su questo perché non abbiamo né il tempo di ricostruire tutto e spiegare ogni singolo elemento, né la possibilità di farlo. Dobbiamo fidarci dei responsabili delle decisioni e aspettarci che prendano decisioni corrette. Allo stesso tempo, molte variabili contribuiscono al processo e questo non è necessariamente un aspetto negativo.

Cali Collins: È assolutamente vero. Esistono studi scientifici su quale parte del cervello utilizziamo per prendere diversi tipi di decisioni. Le decisioni rapide e avventate, basate sull’istinto, coinvolgono una parte del cervello diversa rispetto a quelle per le quali ci concediamo tempo per riflettere. È interessante.

Galen Low: Mi piace molto. Forse questo è un buon punto su cui concentrarci, perché trovo interessante l’idea delle due modalità decisionali. Da un lato c’è una sorta di reazione, quasi di lotta o fuga, in cui l’urgenza di prendere rapidamente una decisione può bypassare tutta la logica e le basi razionali di cui disponiamo.

Dall’altro c’è lo stato di calma necessario per prendere una decisione informata, valutando e analizzando. In un certo senso, avere le informazioni disponibili ci riporta a quel livello e ci impedisce di prendere decisioni impulsive, perché sappiamo di poterci prendere il tempo necessario.

Abbiamo informazioni che possono arrivare rapidamente e possiamo prendere decisioni in modo consapevole. Vorrei però ampliare ulteriormente la prospettiva, perché ciò che apprezzo della tua esperienza è che provieni dal mondo del prodotto. Sei una specialista di prodotto con una lunga esperienza, che ha intrapreso una svolta rispetto al lavoro per organizzazioni come Meta ed ExxonMobil per costruire, in sostanza, un sistema operativo decisionale nativo per l’intelligenza artificiale.

Spero di poterlo descrivere in questi termini.

Cali Collins: Sì.

Galen Low: Vorrei quindi chiederti: perché le decisioni? Dove hai visto un processo decisionale errato far fallire un progetto o un piano strategico e quali sono alcune delle cause alla base che ti hanno spinta a progettare una soluzione?

Cali Collins: Tutto ciò che facciamo consiste in decisioni. È un problema che riguarda l’intera umanità e volevo occuparmi di qualcosa che influenzasse davvero il nostro modo di lavorare quotidianamente, producendo un impatto significativo. Come stavi iniziando a dire, esistono decisioni basate sui dati e decisioni immediate e rapide.

Hai parlato di sicurezza e io ho iniziato a pensarci in modo leggermente diverso perché, provenendo dal mondo dei progetti, penso alla sicurezza HSE, cioè a quando qualcuno sta per farsi male.

Galen Low: Giusto.

Cali Collins: Se noti un’attività non sicura, devi intervenire e agire. Esistono però altre decisioni per le quali devi fare un passo indietro, analizzare la situazione e riflettere più a lungo.

Ho lavorato per molti anni nelle stime. Ho iniziato da lì. Ho sempre avuto anche un lato legato al prodotto, ma la stima era il mio lavoro quotidiano. Questo mi ha permesso di entrare in contatto con molti dirigenti e leader senior. Ero al tavolo delle negoziazioni quando discutevamo queste questioni e potevo capire cosa entrasse in gioco nelle grandi decisioni.

Vedevo questi dirigenti, messi su un piedistallo, a cui le persone chiedevano: «Cosa ne pensi? Cosa dovremmo fare?». Quando ho avuto l’opportunità di parlare individualmente con alcuni di loro, ho chiesto: «Come fai a sapere qual è la decisione giusta? Dipende da tutti i dati che hai? Quando si raggiunge il punto dei rendimenti decrescenti o il punto oltre il quale non conviene più raccogliere informazioni?». E loro mi rispondevano: «Ti dirò un segreto: metà delle volte non lo so. Improvviso». Si trovavano in quella posizione perché avevano preso decisioni molto valide, ma le persone si aspettavano che sapessero sempre cosa fare e spesso non disponevano delle conoscenze e dei dati necessari per prendere la decisione giusta.

Pensavo: se potessi aiutare queste persone, che prendono decisioni capaci di cambiare radicalmente la situazione, come scegliere se spendere miliardi di dollari per una soluzione o per un’altra, come potrei aiutarle a capire dove si trova il punto dei rendimenti decrescenti?

Dove possono portarci i dati? Come posso fornire loro rapidamente le informazioni necessarie affinché prendano decisioni tempestive, si affidino al proprio istinto e dispongano comunque dei dati decisionali?

Galen Low: Adoro questo momento di vulnerabilità. È ragionevole pensare che per molti di noi sia simile: «Non lo so, ma sono sotto pressione e devo prendere una decisione. Ho preso buone decisioni in passato. Non ho alcuna garanzia di prendere sempre quella giusta, ma la mia probabilità di successo è abbastanza alta e per questo sono arrivato a ricoprire questo ruolo. A volte, però, improvviso».

Mi piace l’idea che non sia necessario accontentarsi. Non significa che la qualità delle tue decisioni sia già scarsa, ma potremmo migliorare la probabilità di prendere quella giusta? A volte ci troviamo a gestire miliardi di dollari e pensiamo: «Non lo so. Devo decidere e devo basarmi su ciò che conosco, ma posso anche sostenere la mia decisione con altri dati utili».

Questa è, probabilmente, la bellezza dell’intelligenza artificiale oggi: la capacità di raccogliere grandi quantità di informazioni e dati e sintetizzarli in base a ciò di cui abbiamo bisogno.

Forse questo ci porta a Optimality. Puoi raccontarci che cosa fa, come aiuta e quali casi d’uso possono ridurre o almeno minimizzare alcuni dei rischi legati al processo decisionale?

Cali Collins: Assolutamente.

Lavoriamo a Optimality da circa due anni e mezzo, quindi il prodotto si è trasformato ed è cresciuto fino a diventare ciò che è oggi. Il nucleo è sempre stato il miglioramento del processo decisionale, poi siamo passati all’ottimizzazione del processo decisionale: è proprio da qui che deriva il nome Optimality. In matematica esiste una teoria dell’ottimizzazione che riguarda anche il punto dei rendimenti decrescenti.

Qual è la decisione ottimale da prendere? Abbiamo fatto nostro questo principio nel lavoro che stiamo svolgendo. L’idea è che Optimality poggi su un grafo del contesto. Quando collabori in Optimality, utilizzi il sistema per capire su cosa dovresti lavorare oggi e che cosa hai fatto ieri.

Ma è molto più di questo. Comprende i contenuti e i risultati concreti che produci, incluse tutte le decisioni su cui stai lavorando. Proprio oggi, poche ore fa, abbiamo pubblicato una nuova procedura guidata per le decisioni: quando devi affrontare una decisione complessa, puoi accedere allo strumento e farti accompagnare passo dopo passo nel processo decisionale.

Mentre utilizzi la procedura guidata, hai Opti Chat accanto a te e puoi chiedere a Opti: «Sto scegliendo tra questa opzione e quest’altra. Cosa ne pensi?». Lo strumento ti aiuta a inquadrare il problema. Poi puoi chiederti quali siano le incertezze relative alla decisione, dove possa entrare in gioco il tuo pregiudizio personale o quando sia stata presa in passato una decisione simile e con quali risultati.

Hai sempre a disposizione la potenza di Opti per confrontarti e capire quando hai già lavorato su quella decisione. Stai trasferendo nel sistema l’intelligenza organizzativa e operativa della tua azienda. Il sistema assorbe costantemente tutte queste informazioni nel cervello di Opti, che diventa più intelligente e può offrirti indicazioni migliori quando devi scegliere tra A e B o scoprire se esiste una possibile opzione C a cui non avevi ancora pensato.

Galen Low: Mi piace molto anche solo riportare il discorso all’inizio e apprezzare quanto sia tecnico il nome. Non si tratta soltanto di ottimizzare il processo decisionale: esiste una teoria matematica che individua il punto dei rendimenti decrescenti. È davvero interessante. Durante la preparazione mi hai spiegato l’idea del grafo del contesto, una sorta di rete neurale per alcuni degli strumenti di intelligenza artificiale che utilizziamo.

Credo che tu abbia usato l’espressione «contesto decisionale» e ora ne comprendo meglio il significato: Opti assorbe tutte queste informazioni lungo il percorso. Non è necessario dire: «Dobbiamo prendere una decisione. Puoi raccogliere tutto il materiale e parlare con queste persone?». Le informazioni necessarie per fornire un consiglio a un responsabile possono essere già disponibili nel sistema.

Al di là dell’intelligenza artificiale, che cosa significa concretamente il contesto decisionale in un ambiente di progetto? E che cosa manca talvolta ai team nel loro processo decisionale, elemento che questo strumento può contribuire a sostenere?

Cali Collins: Il cervello umano è eccellente in determinate attività, ma ha anche dei limiti. Non puoi partecipare a ogni riunione e raccogliere tutti i dati di cui parlano le persone. Immagina di poter avere un delegato presente alle altre riunioni, capace di assorbire anche quelle informazioni.

È qui che entra in gioco l’intelligenza artificiale. Dal punto di vista umano, però, ci basiamo sulla collaborazione e sulla comunicazione. È stato un aspetto importante che mi ha portata a Meta, dove si cercava di costruire una piattaforma di collaborazione per il mondo. Le persone vi accedono per condividere e diventare parte di una comunità. È una componente fondamentale dell’essere umano, anche se oggi può sembrare strano dirlo nel contesto del confronto tra intelligenza artificiale ed esseri umani.

La mia forza, come persona, consiste nel poter stare insieme agli altri, confrontarmi con loro e far evolvere o modificare le mie idee sulla base di ciò che mi dicono. Per questo l’essere umano deve rimanere al centro del processo decisionale. Dobbiamo mettere insieme le nostre esperienze e collaborare per arrivare alla decisione migliore possibile.

Galen Low: Mi piace molto questa interazione. L’idea non è che gli esseri umani siano incapaci di prendere decisioni perché non possono assorbire tutte queste informazioni e prevedono molto male il futuro. È il rapporto tra il fatto che siamo creature che dialogano, provano emozioni e prendono decisioni anche sulla base di esse, e la tecnologia, oggi in particolare l’intelligenza artificiale, che può fare ciò che il nostro cervello non riesce a fare.

Può riunire conversazioni già avvenute e sintetizzarle senza costringerci a ricordare ogni dettaglio di una vecchia riunione. Non abbiamo né la capacità né la cultura necessarie per farlo.

Mi piace l’idea che l’intelligenza artificiale possa consigliare e informare, ma non sostituire la conversazione su come prendere una decisione. Dobbiamo parlarne per arrivare a una buona decisione, sostenendola però con attività che il nostro cervello non può svolgere.

Cali Collins: Esatto. Io mi confronto continuamente con Opti. In una startup il team è piccolo e a volte è utile discutere anche con l’intelligenza artificiale, lasciando che ci aiuti a sviluppare e mettere alla prova le nostre idee.

Opti sa su cosa stai lavorando perché si basa su un grafo del contesto. Sa che cosa stai facendo tu e che cosa stanno facendo tutti gli altri membri del tuo team.

Galen Low: Forse possiamo approfondire questo aspetto, perché per molte persone della mia comunità l’intelligenza artificiale è già qui. Diciamolo chiaramente: è qui. In un certo senso ci viene imposta, perché sembra che non abbiamo scelta sul suo utilizzo.

C’è anche un aspetto da «Grande Fratello»: più contesto possiede, più informazioni conosce e meglio può svolgere il proprio compito e aiutarci. Immagino quindi che chi ascolta possa pensare: «È inquietante che Opti ascolti tutto e acquisisca ogni informazione». È forse una situazione orwelliana?

Nel contesto delle decisioni e della creazione di grafi del contesto, possiamo scegliere ciò che condividiamo con l’intelligenza artificiale per aiutarla a fornirci consigli migliori? È una questione tutto o niente? E, se non lo è, quali sono le informazioni che dovremmo condividere con l’intelligenza artificiale, anche senza concederle l’accesso completo a ogni tasto che premiamo e a ogni conversazione che abbiamo attraverso i nostri computer?

Quali sono le informazioni giuste da fornire all’intelligenza artificiale per aiutarla a consigliarci?

Cali Collins: Quando abbiamo iniziato a costruire Optimality, abbiamo collegato tramite API le mie email e le mie chat. Abbiamo iniziato in questo modo, ma ci siamo presto resi conto che, se volevamo scalare il sistema, poteva essere spaventoso e le persone desideravano avere un maggiore controllo su ciò che condividevano.

Questo ci riporta anche al tema della governance dell’intelligenza artificiale. Non vuoi necessariamente che acquisisca le tue informazioni, prenda decisioni e invii email al posto tuo. Se concedi all’intelligenza artificiale l’accesso al gestore delle password, alla possibilità di inviare email e al tuo conto bancario, hai creato un’enorme serie di problemi.

Se attraverso un’email viene divulgato qualcosa di riservato, la persona che ha attivato quell’agente e ha detto «Sì, puoi farlo» ne è responsabile anche dal punto di vista legale e della governance, persino se non ha mai visto il messaggio prima del suo invio. È quindi essenziale comprendere la situazione e mantenere il controllo su ciò che concedi all’intelligenza artificiale e sulle azioni che le permetti di compiere.

Per questo abbiamo impostato il sistema in modo che tu possa scegliere se, al termine di una riunione, vuoi inserire la trascrizione oppure no. Puoi scegliere se includere una conversazione email oppure no. Questo ti consente di avere un maggiore controllo anche sulle informazioni utili che fornisci. Quando viene addestrata soltanto sui contenuti spazzatura di internet, l’intelligenza artificiale non sa distinguere ciò che è valido da ciò che non lo è.

Se riesci a mantenerla pulita, fornendole soltanto informazioni di qualità, le dai anche maggiore potenza. Inoltre, manteniamo sempre una persona nel processo. Optimality può generare documenti, preparare bozze di email e aggiornare lo stato delle attività, ma alla fine c’è sempre una persona che dice: «È questo che voglio che faccia».

Pensiamo che debba esserci collaborazione tra esseri umani e intelligenza artificiale. Se vuoi lavorare sul marketing, indossi il tuo ruolo di responsabile marketing e hai accanto un assistente esperto di marketing che ti guida, ma sei comunque tu a prendere le decisioni.

Galen Low: Mi piace molto e penso che piacerà anche a molti dei miei ascoltatori. È ancora una volta l’interazione tra tecnologia e umanità. Vorrei tornare più avanti sull’idea di selezionare ciò che condividiamo nel grafo del contesto, perché è molto interessante per il modo in cui gli esseri umani prendono decisioni.

Prima di arrivarci, però, hai delineato un caso d’uso molto valido. Possiamo approfondire il modo in cui l’intelligenza artificiale e Optimality possono aiutarci a prendere decisioni migliori? Mi piace l’idea di avere un interlocutore con cui ragionare e di poter parlare con Opti mentre lavoriamo sul marketing.

Puoi descriverci passo dopo passo come funziona? Nel tuo esempio, Optimality lavora in background, raccoglie informazioni e poi noi diciamo: «Dobbiamo sviluppare una campagna o pubblicare il post settimanale su LinkedIn». Come si svolge questa interazione e in che modo migliora il lavoro rispetto a una situazione in cui non avessimo l’intelligenza artificiale?

Cali Collins: Uno dei casi d’uso su cui ci stiamo concentrando è un sistema operativo aziendale basato su Optimality. Puoi pensare a Optimality come a una piattaforma che abilita diversi casi d’uso, un po’ come Excel. Con Excel puoi fare molte cose, ma devi usare tu le formule per creare un foglio di calcolo per il budget.

Optimality abilita questa possibilità offrendo una struttura maggiore. Uno dei casi d’uso più interessanti su cui stiamo iniziando a lavorare è proprio un sistema operativo aziendale. Ti permette di entrare in Optimality, parlare dei tuoi obiettivi e spiegare ciò che vuoi fare. Il sistema acquisisce queste informazioni, le documenta, crea una strategia e ti chiede: «È questo che vuoi fare?». Puoi dialogare con Opti, confermare il risultato e salvarlo.

Il sistema traccia il piano necessario per raggiungere i tuoi obiettivi. Puoi modificarlo e adattarlo come preferisci, ma ti aiuta a dare struttura alla costruzione di un’attività. Questo è soltanto un caso d’uso: può essere utilizzato anche per la costruzione di una raffineria, come stiamo facendo con Chevron.

Durante i vari passaggi, Opti può chiederti se vuoi assistenza per il piano di marketing, per lo sviluppo dei contenuti o per altre attività che gli agenti possono svolgere. Puoi lavorare fianco a fianco con l’intelligenza artificiale, rendendo il processo accessibile anche a chi gestisce una piccola o media impresa, sta pensando di avviare un’attività secondaria ed è curioso nei confronti dell’intelligenza artificiale ma non sa da dove iniziare.

L’obiettivo è rendere tutto semplice senza dover aprire un chatbot e capire autonomamente come gestire gli agenti. Utilizzo personalmente questi strumenti ogni giorno, ma riconosco che per la maggior parte delle persone non sono ancora facilmente accessibili.

Questo è uno dei casi d’uso su cui stiamo lavorando.

Galen Low: È fantastico. Hai colto perfettamente il punto: le barriere all’ingresso, per esempio per costruire un’attività, sono molto più basse, ma esiste anche l’entusiasmo esagerato secondo cui sarebbe possibile creare con l’intelligenza artificiale un intero prodotto e una piattaforma in un solo giorno. No, non è così. È però probabilmente più facile di prima, quindi esiste una via di mezzo.

Hai detto che Excel è uno strumento molto generico, mentre Optimality mette parte del lavoro su binari più definiti. Alcuni ascoltatori potrebbero pensare: «Posso già farlo con il mio chatbot: mi aiuta con il marketing, gli faccio domande e ottengo risposte». La differenza è che in Optimality il lavoro viene effettivamente svolto. Non è soltanto una piattaforma di ottimizzazione delle decisioni, ma anche una piattaforma di lavoro e collaborazione.

Cali Collins: È assolutamente una piattaforma di collaborazione. Il valore reale emerge quando una persona che vuole avviare un’azienda ma non sa cosa fare può darle una struttura. Il passo successivo riguarda le piccole imprese che crescono fino al punto in cui non è più possibile sapere esattamente che cosa stiano facendo tutti.

Se inserisci nel sistema le attività di collaborazione e definisci chi lavora su ciascuna area, costruisci contemporaneamente il grafo del contesto. La visione dell’azienda, la missione e i principi diventano parte del cervello di Opti.

Quando Opti suggerisce una strategia di marketing, si basa su ciò che gli hai comunicato e sa che cosa è importante per te. Il contesto permette di distinguere tra un’azienda che vuole diventare la più grande del mondo e una piccola attività che vuole essere la migliore nel proprio paese.

Potresti chiedere a un chatbot di costruire un piano di marketing e ricevere qualcosa di generico, ma quello strumento non comprende tutti i dettagli, le componenti e le interdipendenze del tuo ecosistema.

Galen Low: Mi piace molto l’osservazione secondo cui, quando un’azienda cresce, la visibilità può diminuire. All’inizio lavoriamo in modo molto agile e poi ci ritroviamo con quindici o cinquanta dipendenti senza sapere più esattamente che cosa stia succedendo, se i processi siano ancora corretti e se le persone agiscano in linea con i nostri valori e la nostra missione.

Vorrei tornare alla questione di ciò che decidiamo di fornire all’intelligenza artificiale e, in generale, anche alle persone. Se stiamo selezionando le informazioni per aiutare gli altri a prendere decisioni, quali elementi devono conoscere? Devono sapere, per esempio, che venerdì scorso avevo un appuntamento dal dentista? Probabilmente non serve concedere l’accesso completo al calendario.

D’altra parte, storicamente, nelle organizzazioni alcune decisioni vengono prese senza condividere il quadro completo, nascondendo o omettendo informazioni. Se non forniamo all’intelligenza artificiale tutto il contesto, non ne limitiamo forse le capacità? Esiste un equilibrio tra fornire troppe informazioni, comprese sfumature umane che potrebbero confonderla, e manipolarla verso un certo risultato non condividendo determinati elementi?

Come possiamo evitare che le persone abusino dell’intelligenza artificiale per orientare le decisioni in una determinata direzione? E ci sono decisioni che richiedono sfumature umane e dovrebbero essere guidate dalle persone invece di essere affrontate sempre nello stesso modo?

Cali Collins: L’intelligenza artificiale non sa stabilire autonomamente che cosa sia importante e che cosa non lo sia. Se le riversi tutto senza spiegare che una determinata trascrizione proviene da un dirigente senior e che le sue indicazioni devono avere maggiore peso rispetto ad altre, può essere necessario introdurre limiti e criteri.

Per quanto riguarda le decisioni, vogliamo certamente che sia una persona a prendere la decisione finale. Possiamo prendere decisioni migliori se ci vengono presentati i dati necessari? Sì, e abbiamo bisogno anche di questo.

Quando lavoravo a ExxonMobil, stavo costruendo un centro di eccellenza per la gestione della conoscenza e una piattaforma nativa per l’intelligenza artificiale dedicata alle conoscenze e agli apprendimenti. Un caso d’uso importante riguardava un product manager o un project manager di un progetto di costruzione che diceva: «Ho partecipato a cinque progetti. Ogni volta che abbiamo fatto questa cosa è fallita. Non dovremmo farla».

Forse quei cinque progetti sono gli unici casi in cui quella situazione è fallita, mentre in tutte le altre occasioni ha funzionato. L’intelligenza artificiale può aiutare a mostrare questo quadro più ampio. Può ridurre alcuni pregiudizi, ma non dovrebbe cancellare la consapevolezza personale di chi ha vissuto ripetutamente un problema.

Non bisogna dire: «È stato soltanto il 2%, quindi ignoriamo la tua opinione». Il fatto che si tratti del 2% consente al gruppo di prendere una decisione più informata.

Galen Low: Mi piace perché non si tratta semplicemente di stabilire chi abbia ragione e chi torto. C’è qualcosa da imparare. Possiamo evitare decisioni generalizzate basate su un campione di una sola persona o di cinque casi provenienti da un’unica fonte, senza ignorare informazioni che potrebbero essere importanti.

L’intelligenza artificiale può intervenire prima o dopo una decisione: possiamo raccogliere le informazioni necessarie prima di decidere oppure verificare i fatti dopo esserci confrontati. Può aiutarci a migliorare la qualità della decisione e a non affidarci soltanto alle voci più forti nella stanza.

Cali Collins: Esatto. Alcune persone sono più brave a prendere decisioni rapide, altre hanno bisogno di tempo per riflettere e organizzare il problema. Non prendiamo tutti le decisioni nello stesso modo e non siamo tutti ugualmente abili nello stesso tipo di processo decisionale. L’intelligenza artificiale può contribuire a rendere il terreno di gioco più equilibrato e a mostrare quando sarebbe meglio fermarsi e riflettere più a lungo.

Galen Low: Finora ho affrontato il tema da un punto di vista molto tecnologico, ma che cosa hai imparato sul processo decisionale umano costruendo questo prodotto? Alcune persone sono brave a prendere decisioni impulsive, altre no e alcune potrebbero credere erroneamente di esserlo.

Per i leader di progetto, che spesso devono facilitare le decisioni e fare in modo che siano di qualità ma anche tempestive, quali abitudini o tattiche pratiche possono aiutare le persone coinvolte nei progetti a prendere decisioni migliori senza sacrificare la velocità?

Cali Collins: Ho studiato psicologia e ho conseguito una laurea in gestione delle costruzioni, oltre a un MBA. Mi interessa molto la psiche umana, il motivo per cui pensiamo e agiamo in determinati modi e il modo in cui tutto questo si riflette nelle decisioni di progetto.

È importante catturare la conoscenza e registrare quale sia stato il risultato e perché sia stata presa una determinata decisione. L’intelligenza artificiale può tornare su queste informazioni e riflettere sul risultato, cosa che le persone spesso non fanno, soprattutto quando l’esito è negativo.

Un altro ambito importante è la provenienza dei dati: la loro origine e il modo in cui vengono trasformati. In Optimality, quando viene creato un documento, puoi verificare da quali trascrizioni o da quali informazioni provenga ogni paragrafo. Il sistema non vuole essere una scatola nera: mostra da dove arrivano i contenuti.

Questo può essere scomodo, perché se una decisione presa da te non funziona, il sistema sa che sei stato tu a prenderla. Tuttavia, senza consapevolezza non possiamo migliorare. Se continuiamo a prendere decisioni sbagliate, dobbiamo capire che cosa le ha causate. Essere vulnerabili e riconoscere in quali aree possiamo migliorare aiuta tutti, e l’intelligenza artificiale può far emergere queste opportunità.

Galen Low: Quando ho pensato a come l’intelligenza artificiale potesse aiutarci a prendere decisioni migliori, ho pensato subito ai dati. Ma la possibilità di fare retrospettive sulle decisioni, avere tracciabilità e visibilità e utilizzare queste informazioni per migliorare è altrettanto importante.

Non stiamo dicendo che l’intelligenza artificiale prenderà sempre decisioni migliori degli esseri umani o che le persone non dovranno più decidere. Anzi, la decisione umana sta diventando sempre più importante. I grandi leader non sono necessariamente persone che prendono sempre decisioni corrette: spesso si affidano all’intuizione e hanno semplicemente una buona percentuale di successo.

La tracciabilità può diventare uno strumento di miglioramento e non un mezzo per trovare un colpevole. Possiamo usarla per imparare insieme e migliorare il modo in cui prendiamo le decisioni.

Galen Low: Vorrei tornare al tema della governance e della responsabilità. Al momento, una persona rimane responsabile di una decisione positiva o negativa anche quando l’intelligenza artificiale ha eseguito l’azione. Quali limiti dobbiamo introdurre per evitare errori e incoraggiare comportamenti corretti?

Potremmo arrivare a un punto in cui l’intelligenza artificiale sia sufficientemente affidabile da prendere decisioni e risponderne?

Cali Collins: I modelli linguistici di grandi dimensioni sono, in fondo, una serie di decisioni: scelgono quale sia la parola successiva più probabile sulla base dell’addestramento ricevuto. Possono iniziare preparando bozze di email e migliorare nel tempo grazie alle modifiche e ai feedback delle persone.

Per attività a basso rischio, come rispondere a una domanda sulla disponibilità di una maglietta in una determinata taglia, può essere ragionevole lasciare che l’intelligenza artificiale risponda. Esistono però altre comunicazioni a cui non dovrebbe rispondere autonomamente. Servono quindi limiti chiari.

La nostra filosofia è mantenere la persona nel processo e trasferire gradualmente all’intelligenza artificiale le attività a basso rischio. Non voglio trasferire la mia responsabilità legale o il mio dovere fiduciario a Optimality o a qualsiasi altro sistema che possa accedere alle mie email e inviare risposte potenzialmente dannose per l’azienda. Voglio rimanere coinvolta e usare l’intelligenza artificiale per ottimizzare la mia giornata.

Galen Low: È un po’ come avere un tirocinante: sei responsabile delle azioni del tirocinante in base alle istruzioni che gli hai dato. L’intelligenza artificiale non può essere responsabile, perché non ha un senso di responsabilità. Non puoi licenziarla o assegnarle una retrocessione se prende una decisione sbagliata.

Cali Collins: Un altro caso d’uso interessante è la conformità contrattuale. Puoi addestrare l’intelligenza artificiale sui requisiti contrattuali e sulle specifiche e chiederle di osservare il lavoro e avvisarti se potresti violare il contratto. Non agisce al posto tuo, ma controlla ciò che fai per aiutarti a rimanere al sicuro, conforme e all’interno del sistema di governance.

Galen Low: È un caso davvero interessante. Possiamo usare l’intelligenza artificiale per fornire feedback e trasformare gli errori in momenti di apprendimento, sfruttandola anche per ciò che sa fare meglio: io non posso ricordare tutti gli accordi sul livello di servizio contemporaneamente, mentre uno strumento può farlo.

Vorrei concludere parlando del futuro. La tecnologia dell’intelligenza artificiale migliora nel raccogliere informazioni, distinguere ciò che è importante da ciò che non lo è e supportare le decisioni. Che cosa succede al ruolo del project manager se l’intelligenza artificiale diventa più brava a individuare i rischi, mostrare le dipendenze e raccomandare decisioni? Qual è l’impatto sui ruoli che ricopriamo come esseri umani?

Cali Collins: Il ruolo diventa ancora più importante. Il project manager sarà molto più prezioso. Il mio background nelle stime e nei controlli di progetto mi ha insegnato che il mio compito consisteva nel raccogliere i dati e fornirli al senior manager, affinché potesse prendere decisioni.

Quel passaggio verrà accorciato. Non significa eliminare le persone che lavorano nei controlli di progetto, ma permettere loro di svolgere attività più significative invece di inseguire continuamente gli aggiornamenti e preparare report noiosi. Potranno analizzare i dati, usare la propria esperienza, migliorare il lavoro e fornire indicazioni migliori al product manager.

Nel settore, soprattutto nel software, il rapporto tra sviluppatori e product manager sta cambiando perché gli sviluppatori sono più efficienti nella costruzione. Servono più product manager e project manager, perché sono le persone che guidano la direzione e le decisioni. Ricevono più dati, più rapidamente e con maggiore qualità, e servono quindi più professionisti capaci di trasformare quelle informazioni in grandi decisioni.

L’intelligenza artificiale riduce le barriere all’ingresso per costruire prodotti e attività, ma rende ancora più preziosi i ruoli di prodotto, di progetto e tutte le funzioni che prendono decisioni strategiche.

Galen Low: È una risposta molto ottimistica, ma penso che tu abbia ragione. La velocità del lavoro aumenta e talvolta meno persone riescono a fare più cose, ma alcuni ruoli continuano a guidare, orientare e facilitare il processo decisionale.

Se il lavoro procede più rapidamente, potremmo aver bisogno di più persone in questi ruoli. I dati non passano direttamente dall’intelligenza artificiale al responsabile: bisogna ancora comprenderli, analizzarli e valutarli. E, come hai detto prima, continuiamo a prendere decisioni confrontandoci.

Può sembrare un limite umano, ma è il nostro modo di essere. Non vogliamo che una macchina ci dica come decidere. Vogliamo parlare, verificare e sentirci sicuri di essere arrivati a una buona decisione. L’intelligenza artificiale potenzia questo processo.

Cali Collins: Assolutamente.

Galen Low: Cali, è stato davvero un piacere. Grazie per il tempo che mi hai dedicato oggi. Dove possono saperne di più su di te e su Optimality?

Cali Collins: Siamo su LinkedIn e anch’io sono su LinkedIn. Il sito è optimalitypro.com. Ora è possibile registrarsi direttamente per una prova gratuita di Optimality della durata di 14 giorni o scoprire ciò che stiamo realizzando.

Manteniamo il sito aggiornato e, man mano che sviluppiamo nuovi casi d’uso verticali, aggiungeremo la documentazione di supporto. Potete quindi visitare optimalitypro.com per saperne di più sulla piattaforma Optimality.

Galen Low: Perfetto, mi piace. Inserirò nelle note dell’episodio i link al tuo profilo e al sito di Optimality. Grazie ancora per essere stata nostra ospite. Il tuo percorso è davvero interessante e non conoscevo il tuo background in psicologia. È stata una conversazione molto piacevole e ricca di spunti. Le decisioni fanno girare il mondo.

Ora abbiamo anche l’intelligenza artificiale nel processo, ma continuiamo ad avere gli esseri umani. È davvero un momento straordinario per essere vivi.

Cali Collins: Esatto. È un momento entusiasmante.

Galen Low: Grazie mille, Cali.

Cali Collins: Grazie.

Galen Low: Bene, amici. Questo è tutto per l’episodio di oggi del podcast del Digital Project Manager. Se avete apprezzato questa conversazione, assicuratevi di iscrivervi sulla piattaforma che utilizzate per ascoltarci. Se desiderate ulteriori approfondimenti pratici, casi di studio e guide operative, create un account gratuito su thedigitalprojectmanager.com. Alla prossima e grazie per l’ascolto.