Perché le persone intelligenti ottengono risultati generici dall’IA

Galen Low: Ammettiamolo, siamo tutti stanchi di esaminare risultati, report e aggiornamenti sullo stato di avanzamento che sanno tutti di IA generica. Ma, sebbene sia facile dare la colpa alla tecnologia e fermarsi lì, qui c’è qualcosa di più. La maggior parte delle persone ottiene risultati generici dall’IA perché pone domande generiche. E la maggior parte delle persone pone domande generiche perché non comprende come funziona la tecnologia, non ha la sicurezza necessaria per mettere in discussione l’IA, si sente un impostore tra i propri colleghi, oppure per tutti questi motivi insieme.

Di conseguenza, molte persone stanno perdendo le competenze di cui abbiamo più bisogno in questo momento: la curiosità e capacità di pensare in modo critico. Per aiutarci a risolvere questo problema all’interno dei nostri team, ho invitato un esperto e formatore di IA determinato a far crescere la marea per sollevare tutte le barche, così che la sindrome dell’impostore, i prompt poco efficaci e gli output generici dell’IA diventino un ricordo del passato. E così che ciò che gli esseri umani portano in campo torni sotto i riflettori. Spero che l’episodio vi piaccia.

Benvenuti al podcast del Digital Project Manager, il programma che aiuta i responsabili della gestione delle attività a lavorare in modo più intelligente, consegnare con maggiore fluidità e guidare i propri team con sicurezza nell’era dell’IA. Sono Galen e ogni settimana analizziamo strategie del mondo reale, tendenze emergenti, framework collaudati e qualche aneddoto di guerra dal fronte dei progetti. Che tu stia guidando enormi progetti di trasformazione, gestendo flussi di lavoro basati sull’IA o semplicemente cercando di tenere il caos sotto controllo, sei nel posto giusto. Cominciamo.

Oggi parleremo di come la sindrome dell’impostore legata all’IA possa frenare i nostri team in modi sottili e meno sottili, e di quali passi pratici possiamo compiere per aiutarli a trovare un equilibrio tra l’essere curiosi e il mettere strategicamente in discussione i risultati dei loro strumenti di IA.

Analizzeremo un framework pratico per aiutare i nostri team a porre domande migliori e valutare criticamente i risultati, nonché l’impatto che questo può avere sulla strategia complessiva di IA di un’azienda. Parleremo anche dell’atrofia delle competenze e di come mantenere i team in costante crescita mentre il mondo cambia intorno a loro.

Con me oggi c’è Mashhood Ahmed, direttore di progetti di consulenza presso M1 Consultants. Mashhood aiuta le aziende a progettare e realizzare programmi di abilitazione all’IA generativa capaci di produrre un impatto concreto. Utilizzando un collaudato framework di adozione della GenAI articolato su quattro livelli — alfabetizzazione all’IA a livello organizzativo, flussi di lavoro specifici per dipartimento, automazione basata su agenti e programmi di formazione — Mashhood aiuta i team a progredire con l’IA mettendo al centro l’ingegno umano.

Per rendere tutto questo possibile, Mashhood mette a frutto oltre vent’anni di esperienza nella gestione di programmi, progetti e cambiamenti. Per lui, l’IA è più di un insieme di strumenti: si tratta di incorporarla nel modo in cui il lavoro viene effettivamente svolto.

Mashhood, grazie mille per essere qui con me oggi.

Mashhood Ahmed: Grazie mille. Grazie a te per avermi invitato.

Galen Low: Sono davvero entusiasta di approfondire questo tema.

Ho ascoltato un paio dei tuoi interventi su questo argomento e penso che il tuo punto di vista sia molto equilibrato. Mi ha colpito particolarmente il modo in cui ritieni che dovremmo considerare l’IA nella sua implementazione e integrazione nel nostro lavoro. Penso sia un approccio molto pragmatico, quindi sono entusiasta di parlarne oggi.

Naturalmente hai già collaborato diverse volte con noi qui al Digital Project Manager. Il tuo messaggio trova sempre riscontro. Pensavo quindi di cominciare con una domanda ampia e complessa, per poi lasciarci guidare dalla conversazione. Mi piacerebbe parlare di cosa significhi avere una mentalità curiosa quando si tratta di IA e perché sia importante, di quali passi possiamo intraprendere con i nostri team per bilanciare questa curiosità mettendo strategicamente in discussione i risultati dell’IA e anche di cosa sia in gioco per il futuro della tecnologia IA se i nostri team continuano a operare sulla base di domande superficiali e ad accettare senza riserve output generici quando interagiscono con l’IA.

Insomma, so che è molto, ma come ti sembra?

Mashhood Ahmed: Mi sembra perfetto.

Galen Low: Bene. Cominciamo. Vorrei iniziare con una domanda piuttosto ampia, perché lavori con numerose organizzazioni aiutandole a sviluppare familiarità con l’IA, così da poterla integrare nei propri modi di lavorare.

Ti ho sentito parlare di persone che usano domande generiche per ottenere output generici e poi li utilizzano così come sono. Quindi vorrei chiederti: se dovessi fare una stima, quale percentuale delle persone che utilizzano l’IA in un contesto professionale ottiene soltanto risultati medi e generici, pensando che non si possa fare di meglio?

Mashhood Ahmed: È un’ottima domanda. Quante persone utilizzano l’IA in modo generico e ricevono risposte generiche? Direi circa il 40-50%. Vorrei proporre al tuo pubblico un piccolo test per verificare cosa intendo con risposta generica dell’IA. Quasi tutti, prima o poi nella vita, abbiamo giocato a un gioco usando un dado.

Vorrei chiedervi di aprire Copilot in una scheda, ChatGPT in un’altra, Gemini in un’altra ancora e magari un altro strumento in una quarta scheda. Inserite un prompt semplice: "Lancia per me un dado a sei facce". Quando eseguite quel prompt, la maggior parte delle IA generative vi darà come risposta il numero quattro.

Ho svolto questo esperimento con centinaia di persone in una stanza e, in genere, l’85-90% riceve quattro. Ogni tanto qualcuno ottiene un numero diverso. Ho ricevuto riscontri da persone che hanno provato ChatGPT, Gemini, Claude, Groq, Perplexity e altri strumenti: tutti commettono lo stesso errore.

Quando chiedete all’IA di lanciare un dado, non sa realmente come farlo. Statistici e matematici hanno insegnato al modello che, se deve lanciare un dado, deve considerare le sei opzioni, calcolarne la media, arrotondarla se necessario e fornire quella risposta mediocre.

La media è tre virgola cinque, che arrotondata diventa quattro. Ecco perché l’80-90% delle volte riceverete quattro. Ora provate a inserire nella stessa finestra un altro prompt: "Lancia per me un dado a sei facce, attribuendo a ogni faccia la stessa probabilità". Potete aggiungere ulteriori indicazioni o richieste specifiche.

Vedrete che, ogni volta, otterrete una risposta più equilibrata perché avete fornito maggiori dettagli. Questo dimostra che, se ponete una domanda generica come "Lancia per me un dado a sei facce", riceverete il numero quattro nell’80-90% dei casi.

Il motivo è che l’IA non comprende il contesto. Non conosce il contesto del vostro progetto, il vostro giudizio o il giudizio umano che applichiamo. Per questo è fondamentale fornire ai prompt o agli agenti quanto più contesto possibile e molteplici vincoli all’interno delle regole di sicurezza, così da ottenere una risposta di qualità.

Galen Low: Mi piace molto. In effetti ho appena aperto un paio di modelli linguistici e hai assolutamente ragione. Avevo tre schede aperte: due hanno restituito quattro e una ha restituito sei. Non ho ancora provato a modificare il contesto, ma l’esempio è davvero calzante. Né tu né io abbiamo svolto ricerche approfondite e nessuno dei due è uno statistico, in senso stretto.

Tuttavia, quella fascia del 40-50% che hai menzionato mi sembra plausibile. Ci sono ancora tantissime persone che usano l’IA come Google Search, con prompt semplici di quattro o cinque parole. In alcuni contesti non è necessariamente un problema, ma la complessità dei progetti che gestiamo, delle persone con cui lavoriamo e di tutta la storia e conoscenza che abbiamo in testa non è presente nei dati su cui il modello linguistico è stato addestrato.

Se non glielo comunichiamo, ci darà risultati generici. La cosa che amo e odio di più dell’IA generativa attuale è che sia così convincente. Le persone pubblicano questi risultati. Non è una novità, ma l’output appare talmente curato e convincente che viene voglia di accettarlo e andare avanti.

Si pensa: "Perfetto, ho finito. È molto più rifinito di quanto avrei fatto io, quindi lo prendo e lo uso così com’è". Parleremo delle ragioni per cui lo facciamo, ma il punto è che l’output sembra convincente anche quando è mediocre.

Mashhood Ahmed: Uso una tecnica chiamata cambio di prospettiva. Preparate il vostro report, il documento di progetto, l’e-mail o qualsiasi altro documento e inserite un prompt che chieda di leggerlo dal punto di vista di una persona favorevole o contraria al progetto, fornendo un po’ di contesto su quella persona.

Poi potete decidere se modificare il documento oppure mantenere le domande emerse e prepararvi a rispondere nel caso qualcuno ve le ponga durante la prossima riunione o presentazione al pubblico o al consiglio di amministrazione.

Questo è molto importante perché, mentre lavoriamo a un progetto, veniamo distratti da moltissimo rumore. Possiamo sfruttare l’IA per cambiare prospettiva. Per esempio, possiamo chiederle di guardare il progetto dal punto di vista del direttore finanziario, che non è convinto della necessità di spendere 1,4 milioni di dollari per salvarlo. È un contesto completamente diverso.

A volte, come project manager, non pensiamo nemmeno a questi aspetti perché siamo troppo impegnati. Se l’IA può aiutarci a svolgere gran parte del lavoro operativo, noi possiamo concentrarci sulle capacità di pensiero critico e sulle domande giuste. Questa è una competenza fondamentale: io la chiamo mentalità curiosa e oggi ne parleremo.

Galen Low: Fantastico. Mi piace perché, in molti modi, non sta facendo il lavoro al posto tuo. Ti sta aiutando a sviluppare empatia nei confronti degli stakeholder, così da non farti cogliere impreparato. Essere colti impreparati è spesso il risultato di non aver previsto la mentalità di qualcun altro.

Prima di approfondire, vorrei fare un passo indietro. Ti ho visto usare l’espressione sindrome dell’impostore nei tuoi interventi e nei tuoi post. Per chi non la conoscesse, è il fenomeno per cui professionisti di successo pensano di aver ingannato i colleghi e di non meritare i risultati ottenuti.

Nel contesto dell’IA, però, credo sia qualcosa di leggermente diverso dal semplice sentirsi immeritevoli. Cosa c’è nell’IA che attiva la nostra sindrome dell’impostore e in che modo influenza il nostro approccio all’IA?

Mashhood Ahmed: Sono diversi gli elementi che attivano la sindrome dell’impostore: la sensazione di non riuscire a stare al passo, di non capire abbastanza o che tutti gli altri stiano comprendendo tutto meglio di noi.

Il primo elemento è l’invisibilità. Siamo abituati a input, processo e output. Nel corso della nostra carriera forniamo un input, qualcosa lo elabora e comprendiamo il flusso del processo. Nell’era dell’IA, il flusso varia in base al contesto e ai dettagli del prompt che forniamo.

Diventa quindi una scatola nera e questo ci mette a disagio. A volte mette a disagio anche me: durante le dimostrazioni dal vivo mi è capitato tre volte che la demo non funzionasse come previsto. Aveva funzionato dieci volte, ma una volta no. Questo ci rende insicuri.

L’altro elemento è che sui social media sembra che tutti utilizzino l’IA, ma non tutti la usano correttamente. Anch’io sto ancora imparando. Inoltre, come project manager o responsabili del PMO, siamo abituati a sapere cosa succede nel progetto: perché c’è un rischio, qual è il problema, cosa sta accadendo con un fornitore.

Quando tutto questo diventa invisibile, ci sentiamo molto a disagio. È proprio questo a causare la sindrome dell’impostore: non siamo più noi ad avere il controllo. Gli esseri umani tendono a voler controllare tutto. Quando il controllo passa alla macchina, ci spaventiamo.

La sindrome dell’impostore nasce perché non sappiamo cosa dirà la macchina e dobbiamo ricontrollare e verificare tutto. A volte questo crea più rumore e più lavoro di quanto non contribuisca realmente al valore.

Galen Low: È interessante perché ci sono due aspetti. Da un lato, la definizione popolare della sindrome dell’impostore è sentirsi dei truffatori perché tutti intorno a noi sembrano fare cose molto più straordinarie. Il feed di LinkedIn è probabilmente il posto peggiore per accrescere la fiducia nell’IA: "Sette cose che stai sbagliando nel tuo prompt", "Perché i tuoi agenti continuano a fallire". E pensi: "Oddio, sto sbagliando tutto. Sono pessimo".

Dall’altro lato, è facile guardare alcuni output e non volerli criticare. Sembrano già completamente pronti. È come quando un project manager riceve un risultato al 98% o al 100% e pensa che, se fornisce un feedback con la scadenza il giorno dopo, tutto dovrà essere riaperto e ricostruito.

In questo caso hai una scatola nera, l’output sembra finito e, se non ti senti sicuro, pensi: "Forse l’IA è più intelligente di me. Cosa ne so io rispetto a qualcosa addestrato sull’intera internet e sulla storia dell’umanità dall’era dell’informazione?".

Ma il suo punto cieco è il contesto. Non sa necessariamente cosa è stato detto in quella riunione, quale stakeholder si oppone al progetto o dove si trovano i rischi. Ci sono tantissime informazioni presenti nella nostra mente che l’IA non conosce. Ecco perché questa collaborazione è così importante.

Mashhood Ahmed: Mi è venuto in mente un vecchio detto: il diavolo si nasconde nei dettagli. Un prodotto può sembrare finito, ma dobbiamo esaminare i dettagli. Come project manager, puoi avere la trascrizione della riunione e sapere cosa è stato detto, ma sai anche che uno stakeholder può aver detto sì intendendo in realtà forse.

Potrebbe non essere completamente convinto della tua idea o del rischio o del progetto. Sai che un direttore firmerà il documento, ma non sarà necessariamente la persona che lavorerà direttamente con te. Potrebbe esserci un analista che ascolterà e dovrà dare il proprio consenso. Quello è uno stakeholder indiretto, e devi ottenere il suo appoggio, non soltanto quello della persona con il titolo di direttore.

Questo deriva dall’esperienza e dal pensiero critico. Comprendi la politica, le persone e le dinamiche. Ciò che funziona nella tua organizzazione potrebbe non funzionare in un’altra. Abbiamo PMO, modelli e linee guida, ma nessun progetto può seguire una metodologia unica, perché ogni situazione è diversa.

È qui che entra in gioco l’essere umano: capire cosa è applicabile alla propria situazione, conoscere gli stakeholder, gli sponsor, il team e i rischi. Un rischio sepolto alla riga 14 o 15 del registro dei rischi potrebbe essere proprio quello che si manifesta. Questo deriva dall’intuizione umana.

Galen Low: Mi piace molto. È un messaggio che molti project manager hanno bisogno di sentire, soprattutto chi guida team di project manager. È un ruolo già politico, complesso e carico di sindrome dell’impostore.

Molte persone ci sono finite quasi per caso e non pensano di svolgerlo correttamente perché non seguono il manuale al 100%. Sembra che vadano a intuito e improvvisino. Ma, come hai appena detto, è proprio questo il valore: il contesto aggiuntivo necessario.

Questa è la tua specializzazione e l’IA è lo strumento con cui collabori per usare le tue conoscenze in modo più produttivo. Il tema che avevo visto nei tuoi interventi era il rapporto tra curiosità e messa in discussione strategica, cioè il pensiero critico, che è la chiave per usare efficacemente l’IA.

Partiamo dalla curiosità: cosa significa per te avere una mentalità curiosa e perché è importante quando si parla di IA?

Mashhood Ahmed: Un tempo dicevamo che i dati sono potere e che la conoscenza è potere. Oggi credo sia vero il contrario. Più dati e conoscenze hai, più possono diventare una maledizione. Servono dati e informazioni pertinenti, capaci di creare valore.

Posso trovare quantità enormi di dati su qualsiasi argomento e l’IA generativa ha analizzato tutti quei dati. Le informazioni sono a portata di mano, ma c’è molto rumore. Scrivi tre o quattro righe di prompt e ricevi un documento di cinque pagine che devi leggere, comprendere e da cui devi estrarre i punti davvero importanti.

La messa in discussione strategica consiste nel chiedersi: qual è la domanda più pertinente che devo porre all’IA per aiutarmi? E perché è importante? Se non poni la domanda giusta, l’IA sarà d’accordo con te e ti darà una risposta affermativa. Devi cambiare prospettiva e chiederti cosa accadrebbe in determinati scenari ipotetici.

Questo richiede molta energia cognitiva. Dopo due o tre ore di lavoro continuo con un’IA generativa su un argomento specifico, mi sento stanco e sovraccarico. Bisogna fare una pausa e continuare a porre domande, perché senza la domanda giusta si ottiene una risposta affermativa.

Pensate ai dirigenti con cui abbiamo avuto a che fare: CIO, CFO, CEO, direttori e vicepresidenti. Spesso mi chiedo come siano arrivati a quel livello. Una caratteristica comune è che pongono una o due domande davvero importanti e profonde.

Se rispondo correttamente, guadagno il loro rispetto. Queste persone crescono nella loro carriera perché pongono la domanda giusta al momento giusto. Oggi è ancora più importante farlo, perché l’IA può svolgere moltissimo lavoro per noi. Ma il contesto è: stai ponendo la domanda giusta, quella che conta davvero in quel momento? E cosa farai dopo con quelle informazioni?

Invito tutti gli ascoltatori a fermarsi e chiedersi: "Quali domande profonde devo porre nella prossima riunione per arrivare al cuore del problema?". E se non sto ponendo quelle domande, dovrei annullare la riunione? Allora annullala. Le persone odiano le riunioni.

Galen Low: Mi piace molto. Possiamo seguire uno scenario concreto? Mi piace l’idea di porre domande migliori e il fatto che molte persone di successo siano percepite come capaci di porre la domanda giusta al momento giusto.

Hai parlato di conversazioni con un modello linguistico che possono durare anche un’ora o due. Possiamo analizzare un esempio di come potrebbe svolgersi e quali domande porresti?

Mashhood Ahmed: Immaginiamo che io stia lavorando a un nuovo progetto. Dare accesso all’IA ai miei documenti, per esempio tramite Copilot in Office. Molte aziende hanno adottato Copilot, ma la maggior parte non lo usa in modo efficace ed efficiente.

Condividerei i documenti e stabilirei i confini: "Usa soltanto questi documenti". Poi chiederei: "Cosa è incompleto? Dove devo colmare una lacuna? Quali sono le incoerenze? Quali aspetti potrebbe mettere in discussione qualcun altro?".

Se chiediamo un budget maggiore, potremmo domandare quali domande porrebbe il CFO. Il CFO vuole sapere se rientriamo nel budget. Il responsabile aziendale vuole sapere se il progetto sarà avviato in tempo. Il CIO potrebbe concentrarsi sulle integrazioni e sulla sicurezza dei dati. Ogni persona ha una prospettiva diversa, quindi il cambio di prospettiva è molto utile.

Possiamo chiedere: "Quali sono le incoerenze? Cosa è ridondante? Cosa ho già trattato?". A volte ripetere è utile, ma troppa ridondanza non lo è.

Un’altra tecnica che utilizzo consiste nel chiedere all’IA di intervistarmi o di pormi domande una alla volta. Le allucinazioni si verificano perché non forniamo abbastanza contesto. L’IA formula delle ipotesi. Se sono corrette, otteniamo una buona risposta; se sono errate, può inventare dati e fornire un risultato scorretto.

Dobbiamo addestrare l’IA come addestreremmo un tirocinante: una persona molto intelligente e preparata, ma incline a commettere errori da principiante. Inserite un prompt come: "Fammi domande di chiarimento una alla volta". In questo modo l’IA verificherà con voi ogni ipotesi.

È importante specificare "una alla volta", perché se chiedete semplicemente domande di chiarimento potrebbe porne quattro insieme e poi presumere che una risposta valga per tutte. Se la costringete ad aspettare ogni risposta, la qualità dell’interazione e il valore ricevuto aumenteranno notevolmente.

È inoltre importante impostare vincoli e regole di sicurezza. Gli esseri umani sono molto bravi a capire cosa fare e molto meno bravi a stabilire cosa non fare. Nell’era dell’IA è fondamentale creare un elenco di cose da non fare e inserirlo come regola all’interno degli agenti o dei prompt.

Tutto ciò che non chiedete esplicitamente all’IA di non fare, l’IA potrebbe farlo. Per questo servono regole di sicurezza. È possibile anche accumulare vincoli: voglio tre punti elenco, voglio una tabella con cinque colonne, voglio una risposta di 50, 200 o 1.000 parole. Di solito preferisco risposte più brevi, per poi costruirci sopra.

In Copilot esiste una funzione che consente di autorizzare la modifica dei documenti. Per esempio, posso chiedergli di controllare e correggere il layout di una diapositiva o di un documento Word. È più lento rispetto a un comando generico, ma funziona bene. Bisogna essere molto specifici e non dare all’IA carta bianca per modificare tutto.

Quando invii un report, sopra c’è il tuo nome. Quando ricevi una risposta dall’IA, invece, compare un avviso che dice che è stata generata dall’IA e deve essere verificata. Non puoi inserire la stessa clausola in un report firmato da te. La responsabilità resta tua.

Dobbiamo quindi comprendere la componente umana e non ignorarla. L’essere umano resterà sempre nel ciclo. Anche con l’IA basata su agenti, servirà una persona in diversi punti di controllo per verificare che ogni agente stia facendo la cosa giusta.

Galen Low: Parliamo della messa in discussione strategica. La curiosità e le domande giuste riguardano l’apprendimento. Siamo bravi a fare, a portare a termine un’attività rapidamente, soprattutto perché pensiamo che l’IA debba ridurre tutto a quindici minuti.

Ma hai descritto una conversazione che richiede tempo: porre domande non evidenti, inserire regole, cercare ciò che manca o è contraddittorio. Sono competenze che molti project manager sviluppano. Quando guidavo un team, dicevo di non dare feedback soltanto su ciò che c’è, ma anche su ciò che manca.

Gli esseri umani non sono bravi a vedere ciò che non c’è. Si concentrano subito su ciò che è presente e, se non trovano errori, si attaccano a dettagli minori per aggiungere valore. In realtà bisogna fare un passo indietro, spiegare i vincoli e costruire il risultato per piccoli blocchi invece di ricevere sette pagine e passare il resto della giornata a correggerle.

È un’opportunità non soltanto per lavorare più velocemente, ma per imparare e riflettere maggiormente sul contesto. Comunichi al modello linguistico anche le sfumature, come il fatto che uno stakeholder dirà sì mentre il vero decisore si trova altrove?

Mashhood Ahmed: Sì. Durante la preparazione alla certificazione PMP ci insegnano a usare una matrice dell’influenza. Suggerisco di costruire una matrice dell’influenza per ogni progetto e di creare anche il profilo di ciascuno stakeholder.

Si può creare un agente che analizzi le trascrizioni delle riunioni e dica: "Cosa so di questa persona che partecipa alle mie riunioni?". Poi si esamina il risultato e si indica cosa ricordare e cosa no, cosa è vero e cosa non lo è.

Questo aiuta l’IA a comprendere il contesto e rende più efficace il cambio di prospettiva. Si può chiedere: "Questo è il mio sponsor. Leggi la trascrizione della riunione e dimmi che tipo di personalità ha". È possibile anche creare un profilo DISC degli stakeholder e aggiornarlo nel tempo, così l’IA migliora progressivamente la propria comprensione.

Galen Low: È un’idea interessante. Dobbiamo fornire il contesto affinché l’IA produca una buona valutazione. Io non mi sono mai seduto a leggere ogni trascrizione e a costruire profili DISC per ogni stakeholder del mio ecosistema, perché richiederebbe troppo tempo.

Qui l’IA può svolgere una parte del lavoro e contribuire alle decisioni. Questo ci porta alla messa in discussione strategica. Come essere umano sei responsabile e devi rispondere del risultato. Non puoi semplicemente dire: "Il mio lavoro potrebbe contenere errori, ma continuate a pagarmi".

Cosa significa per te mettere strategicamente in discussione gli output dell’IA e come si bilancia questo con una mentalità curiosa?

Mashhood Ahmed: Si bilanciano molto bene, perché strategia significa capire su cosa concentrarsi e rimuovere tutto il rumore. Un documento strategico contiene generalmente tre o cinque elementi, perché questa è la quantità che la nostra memoria riesce a gestire facilmente.

Bisogna chiedersi cosa è davvero importante in quel contesto, cosa non lo è e cosa rappresenta soltanto rumore. L’IA può svolgere il lavoro pesante, ma sei tu a selezionare ciò che ha valore: cosa inserire in un documento, nella base di conoscenza dell’IA, nel profilo dello stakeholder o nella preparazione per una riunione.

Puoi sapere che una persona farà probabilmente una certa domanda e chiedere all’IA di aiutarti a prepararti, anche se non vuoi inserire quell’informazione nella presentazione. È qui che entrano in gioco la messa in discussione strategica e la mentalità curiosa: chiedere cosa conta, cosa inserire nelle diapositive e cosa lasciare fuori.

La decisione spetta a te, perché conosci i tuoi stakeholder e sai leggere la situazione. L’IA non è seduta davanti al consiglio, al PMO o agli stakeholder a rispondere alle domande. Sei tu al posto di guida.

Due progetti diversi richiedono domande diverse. Sapere cosa chiedere e quando chiederlo è fondamentale. È una delle competenze critiche più importanti da sviluppare, perché l’IA può fare quasi tutto, ma bisogna chiederle di fare la cosa giusta nel momento giusto.

Galen Low: È curioso: potrei rimuovere l’IA da questa conversazione e sostituirla con i collaboratori diretti, e tutto continuerebbe a essere vero. Stiamo investendo tempo nel fornire contesto, mettere in discussione gli output e dare feedback alle macchine, ma questo ci avrebbe aiutato anche a essere leader migliori per le persone.

A volte il mio prompt è più dettagliato del briefing che darei a un essere umano, perché presumo che quella persona capirà o recupererà da sola il contesto. In realtà potremmo educare meglio le persone proprio come educhiamo i modelli linguistici: spiegando le specificità del progetto, la politica, ciò che conta strategicamente e ciò che non conta.

Quando l’output arriva, umano o generato dall’IA, sarai tu a decidere cosa presentare agli stakeholder e al consiglio. Dai feedback al modello linguistico dicendo perché non includerai qualcosa, oppure vai semplicemente avanti?

Mashhood Ahmed: È molto importante fornire feedback all’IA generativa. Suggerisco a tutti gli ascoltatori di informarsi su cosa siano un prompt di sistema, le istruzioni personalizzate e la memoria, e quali siano le differenze tra questi elementi.

È possibile aggiornare memoria e istruzioni personalizzate in Outlook, Copilot, ChatGPT o Claude. In questo modo si impostano confini e regole. Tuttavia, anche con memoria, istruzioni personalizzate e prompt di sistema, l’IA continuerà a commettere errori. Serve quindi un occhio umano capace di individuarli. Anche questa è una competenza da sviluppare.

Quanto alle persone ancora indecise, è sempre successo con le nuove tecnologie. Quando fu introdotto internet, alcuni pensavano di sapere tutto perché conoscevano la posizione di ogni informazione nel proprio magazzino. Ma se erano in vacanza, gli altri non potevano lavorare. Il database online ha risolto il problema.

Un’altra domanda è se l’IA metterà a rischio il lavoro. La risposta è sì e no. Non abbiamo una risposta definitiva, ma sappiamo dalla storia che le professioni cambiano, nascono nuovi ruoli e arrivano nuovi strumenti.

Vent’anni fa nessuno parlava di ingegneri del cloud o della virtualizzazione. I progetti che svolgevamo quindici anni fa erano diversi da quelli di oggi. Prima si costruiva un centro dati in un edificio; oggi si scelgono i server e si utilizzano Amazon Web Services, Azure o Google Cloud. Un centro dati può essere configurato in ore o pochi giorni invece di sei mesi.

Dobbiamo comprendere che i progetti di oggi non saranno quelli di domani. La domanda è come prepararsi. La risposta più logica è imparare gli strumenti più recenti, conoscere le proprie lacune e i propri punti ciechi, nonché quelli dello strumento.

I modelli IA continueranno a cambiare. Miglioreranno in alcune aree e peggioreranno in altre. Esiste anche il fenomeno della deriva del prompt o del modello. Serve sempre un controllo di qualità umano.

Un prompt di cinque righe può produrre un documento di sette pagine. Leggerlo correttamente richiede almeno 25-30 minuti; se non è stato generato bene, può richiedere un’intera giornata di modifiche. L’intuizione umana resta necessaria, perché siamo noi a trovarci davanti al consiglio e a gestire le persone.

Comprendiamo la complessità del pensiero umano e le differenze culturali. La gestione delle persone, degli attriti e delle dinamiche richiederà un modo di pensare diverso e diventerà ancora più importante.

Galen Low: Puoi raccontarci una storia completa? Siamo partiti dalle domande generiche che producono output generici, siamo passati alla mentalità curiosa e alla messa in discussione strategica, fino a ottenere un risultato migliore.

Quali sintomi hai osservato nei team che all’inizio usano l’IA in modo generico, copiano l’output e lo utilizzano senza verificarlo, salvo poi trovarsi nei guai quando non è corretto? Come li aiuti a sviluppare una mentalità curiosa e ad arrivare alla messa in discussione strategica? Qual è il risultato finale?

Mashhood Ahmed: Nella mia esperienza bisogna mostrare qualcosa di molto semplice. All’inizio del podcast ho proposto l’esperimento del dado: gli input generici producono output generici.

A volte qualcuno pensa che sia magia o che io abbia violato il sistema. In realtà si tratta soltanto di statistica e matematica. L’IA funziona sulla base di schemi.

Per far crescere il team, bisogna individuare i membri più avanti degli altri: sono i vostri campioni interni dell’IA. Coinvolgeteli e lasciate che organizzino workshop, incontri del martedì dedicati alla tecnologia o sessioni informali di apprendimento durante il pranzo.

Partite da cose piccole. In una mia attuale attività di consulenza sull’abilitazione alla GenAI sto lavorando con un’università statunitense. Forniamo le basi dell’IA e del prompting. Il 70% dei partecipanti ha dichiarato di sentirsi più sicuro rispetto a prima, partendo dal 19%, dopo una sola sessione di due ore. Il 90% consiglierebbe questo tipo di formazione a un collega.

Bisogna partire dal livello delle persone: qualcuno nelle risorse umane potrebbe non avere competenze tecniche, mentre una persona negli acquisti potrebbe non essere esperta di tecnologia ma conoscere molto bene la gestione dei fornitori. Servono esempi semplici, non complessi. Non bisogna cercare di fare tutto dall’inizio alla fine in un solo giorno. Occorre procedere per piccoli passi, lasciare tempo per sperimentare e raccogliere feedback.

Per questo cliente abbiamo creato un semplice sondaggio: "Quanto ti senti sicuro dopo questa sessione?" e "Cos’altro vuoi imparare?". Se si lavora nell’amministrazione tecnica, bisogna anche controllare l’utilizzo di Copilot, osservare gli schemi e monitorare i costi.

Bisogna pensare al contesto, alla governance, alle politiche e all’elenco delle cose da non fare. Chiedetevi cosa potrebbe andare storto per l’organizzazione.

Un esempio è Air Canada. Un cliente chiese al chatbot se fosse previsto uno sconto per lutto, dato che la nonna era morta e doveva viaggiare d’urgenza. Il chatbot rispose di sì. Il cliente fece uno screenshot, acquistò il biglietto e poi scoprì che la compagnia non aveva quella politica. Portò il caso in tribunale e il tribunale stabilì che Air Canada doveva applicare lo sconto.

Lo sconto poteva valere poche centinaia di dollari, ma la vicenda è diventata una storia ancora ricordata. L’azienda non aveva impostato regole di sicurezza, governance e politiche adeguate, né per gli esseri umani né per gli agenti.

Prima di aprire una porta bisogna chiedersi cosa potrebbe andare storto. Poi occorre procedere lentamente e osservare come lavora il team. Ogni team, azienda e problema aziendale è diverso. Bisogna iniziare in piccolo.

Galen Low: Mi piace questo equilibrio. Mi piace anche ciò che stai facendo con l’università. Abbiamo iniziato parlando della sindrome dell’impostore e dell’opposto di ciò che vediamo nei feed di LinkedIn: persone che sanno più degli altri, che fanno tutto meglio e che prevedono il fallimento.

Tu riunisci le persone, le fai imparare e condividere insieme. Diventano più sicure perché non sperimentano più quel lato della sindrome dell’impostore. Capiscono a che punto si trovano gli altri e crescono dove ne hanno bisogno.

La mentalità curiosa e la messa in discussione strategica sono anch’esse forme di apprendimento. Richiedono tempo, ma accrescono la fiducia e ci permettono di non limitarci a porre domande generiche o ad accettare un output raffinato senza verificarlo.

Possiamo ottenere risultati di qualità superiore, firmarli con il nostro nome e dimostrare che siamo bravi nel nostro lavoro, riconoscendo al tempo stesso che l’IA non è brava in tutto. Gli esseri umani sono bravi in alcune cose, l’IA in altre; entrambi hanno anche dei limiti.

Mashhood Ahmed: Mi ricorda una competenza importante di cui parlavo nei miei interventi sull’IA: disimparare e reimparare.

Siamo abituati a mantenere lo status quo e a dire: "Abbiamo sempre fatto così". Ma il fatto che una procedura sia stata utilizzata per vent’anni non significa che sia la più efficace o efficiente. Il cambiamento richiede la capacità di disimparare.

Dobbiamo riconoscere quali competenze non ci sono più utili e quali nuove competenze dobbiamo imparare. Bisogna essere aperti. Alcune persone lo sono, altre no, ed entrambe le situazioni sono comprensibili.

Quando fu introdotto AutoCAD, mio padre, che è architetto, rifiutò di usarlo. Assunse qualcuno che realizzasse i disegni e poi li firmava. A quel tempo funzionava. Oggi dobbiamo capire cosa disimparare e cosa imparare. Disimparare le vecchie abitudini è difficile, ma è una competenza fondamentale.

Galen Low: Durante tutta la conversazione mi è piaciuto il tema dello spazio negativo: non ciò che c’è, ma ciò che manca; non ciò che abbiamo chiesto, ma ciò che non abbiamo chiesto; non ciò che sappiamo, ma ciò che stiamo dando per scontato.

Non si tratta soltanto di imparare, ma anche di capire cosa dobbiamo disimparare per poter imparare altro. Il pensiero critico è fondamentale quando parliamo di atrofia delle competenze. Se gli strumenti IA hanno già una risposta, potremmo pensare di non aver bisogno di essere curiosi o di imparare.

In realtà questa è un’opportunità per imparare di più, pensare in modo più critico, diventare i leader senior nella stanza e sviluppare quella capacità di osservare qualcosa con occhio critico e approvarla consapevolmente. È importante tanto nell’architettura quanto nella gestione dei progetti e nel mondo del lavoro: dobbiamo essere responsabili delle decisioni prese dalle persone che lavorano con noi.

Mashhood Ahmed: Questo mi ricorda qualcosa di cui ho parlato nella gestione dei rischi dell’IA: l’eccessiva dipendenza dall’IA. Può danneggiare la nostra capacità cognitiva, il problem solving e il modo di pensare.

Sono competenze fondamentali che dobbiamo insegnare ai bambini fin dall’inizio: pensare criticamente, risolvere problemi ed essere consapevoli dell’ambiente circostante. L’eccessiva dipendenza dall’IA è diventata un problema sempre più grande, perché le persone pubblicano report e post su LinkedIn senza verificarli.

È capitato anche a me di commettere questo errore: pubblico qualcosa e dimentico di rimuovere un paio di righe. Può succedere. Ma riconoscere l’errore e correggerlo è più importante che non accorgersene, perché la reputazione è a rischio.

Dobbiamo chiederci quale valore portiamo in campo che nessuna IA può offrire.

Galen Low: Qual è una cosa che hai disimparato?

Mashhood Ahmed: Ho imparato ad accettare che l’IA possa fare cose che facevo io e che possa farle meglio di me.

L’inglese non è la mia prima lingua e commettevo moltissimi errori. Anni fa avevo un abbonamento a Grammarly, che ora ho cancellato. Bisogna accettare i propri limiti e non cercare di correggere tutto in modo eccessivo.

Si può chiedere all’IA di seguire il proprio stile di scrittura, con o senza virgola di Oxford, e poi bisogna comunque prestare attenzione. Accettare gli aspetti scomodi, procedere un passo alla volta, imparare, disimparare, reimparare e porre domande critiche sono competenze fondamentali.

Galen Low: Mi piace. Sto imparando che noi esseri umani non dobbiamo essere i migliori in tutto.

Mashhood Ahmed: Esattamente.

Galen Low: Mashhood, grazie mille per il tempo che hai trascorso con me oggi. È stato davvero piacevole. Per chi è interessato al tuo lavoro, dove può saperne di più?

Mashhood Ahmed: Può cercare il mio nome su LinkedIn. Mi troverà e potrà connettersi con me. Pubblico contenuti interessanti. Può visitare il mio sito web, mashhood.net. LinkedIn è il modo migliore per seguirmi. Sono anche su TikTok, dove pubblico occasionalmente alcuni contenuti.

È possibile guardare alcuni dei miei video tratti da eventi diversi. Pubblico brevi clip di uno o due minuti provenienti da podcast e conferenze, con idee pratiche da applicare in modo diverso.

Galen Low: Fantastico. Inserirò i link al tuo LinkedIn, al tuo TikTok e al tuo sito web nelle note dell’episodio.

Grazie ancora. È stata una conversazione davvero piacevole.

Mashhood Ahmed: Fantastico. Grazie mille e non vedo l’ora che questo podcast venga pubblicato.

Galen Low: Bene, amici. È tutto per l’episodio di oggi del podcast del Digital Project Manager. Se questa conversazione vi è piaciuta, iscrivetevi sulla piattaforma che state utilizzando per ascoltarci. Se volete ancora più approfondimenti pratici, casi di studio e strumenti operativi, create un account gratuito su thedigitalprojectmanager.com.

Alla prossima, grazie per aver ascoltato.