Il debito nascosto nella gestione del cambiamento legato all’IA
Adattato dal podcast The Digital Project Manager, condotto da Galen Low. Ascoltalo qui.
Le grandi aziende che introducono l'AI spesso la trattano prima di tutto come un problema tecnologico e solo in secondo luogo come un problema organizzativo. Secondo Deborah Ketai, responsabile della gestione del cambiamento organizzativo e membro del consiglio di amministrazione del Project Management Institute (PMI), questo ordine delle operazioni è un errore.
Ketai ha trascorso anni a guidare iniziative di cambiamento legate all'AI all'interno di United Health Group, un'azienda sanitaria Fortune 5, e ha affermato che le aziende che evitano di lavorare per abbattere i silos tra i team ne pagano le conseguenze in seguito. «Se saltano il passaggio di abbattere i silos, dovranno anche sostenere gran parte di quello che chiamiamo debito: debito tecnico, debito di conoscenza e così via», ha dichiarato Ketai. «Questo renderà i progetti futuri più costosi e più difficili.»
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Se saltano il passaggio di abbattere i silos, dovranno anche sostenere gran parte di quello che chiamiamo debito – debito tecnico, debito di conoscenza e così via. Questo renderà i progetti futuri più costosi e più difficili.
Questo debito si manifesta in attività duplicate, strumenti in competizione tra loro e squadre che non sanno cosa stia già sviluppando il gruppo dell'ufficio accanto.
Tre obiettivi per l'allineamento dell'AI su larga scala
Per affrontare il problema, Ketai ha strutturato il suo programma intorno a tre obiettivi: mobilità e fidelizzazione dei talenti nell'intera forza lavoro dedicata all'AI, collaborazione tra le squadre e un più ampio cambiamento culturale volto a considerare l'AI una soluzione aziendale legittima. «Noi [di United Health Group] avevamo davvero tre obiettivi: talenti, mobilità e fidelizzazione nell'ambito dell'AI», ha dichiarato Ketai. Il secondo obiettivo affrontava una modalità comune di fallimento nelle grandi organizzazioni, dove gruppi di lavoro sull'AI nascono autonomamente e duplicano gli sforzi degli altri. «Il mio secondo obiettivo per il programma era incoraggiare la collaborazione tra questi gruppi che lavorano sull'AI, in modo che non reinventassero la ruota», ha detto. Il terzo obiettivo era culturale: «Il terzo è un cambiamento culturale, che incoraggi i promotori aziendali a prendere in considerazione soluzioni di AI per le loro sfide aziendali.»
Per raggiungerli è stato necessario creare programmi — conferenze, hackathon, contenuti interni e canali della comunità — rivolti a diversi segmenti di portatori di interesse in tutta l'azienda, invece di imporre un'unica direttiva dall'alto.
Misurare il cambiamento quando i dati sono un disastro
Anche con obiettivi chiari, dimostrare l'impatto del programma si è rivelato uno degli aspetti più difficili del lavoro. L'azienda di Ketai era cresciuta in gran parte attraverso fusioni e acquisizioni, il che significava che i dati sottostanti di cui aveva bisogno per monitorare la mobilità professionale e il coinvolgimento erano, nella migliore delle ipotesi, incoerenti. «Ammetto che le metriche sono state per me la parte più difficile del programma», ha dichiarato Ketai, «perché si trattava di un'azienda Fortune 5 cresciuta in gran parte attraverso fusioni e acquisizioni; le vestigia dei vecchi sistemi HR esistevano ancora, tanto che spesso lo stesso tipo di ruolo aveva 15 titoli diversi, denominazioni di posizione o codici professionali in tutta l'organizzazione, e questo rendeva la vita molto difficile.»
Non potendo contare su sistemi affidabili da cui attingere, la squadra di Ketai si è affidata a metriche indirette, come il coinvolgimento nei contenuti e la partecipazione agli eventi, invece che ai dati più approfonditi sulla forza lavoro che avrebbe preferito utilizzare.
I responsabili di progetto dovrebbero essere anche responsabili della gestione del cambiamento?
Con la moltiplicazione delle iniziative di AI, a un numero sempre maggiore di responsabili di progetto viene chiesto di assumere anche responsabilità nella gestione del cambiamento. Ketai ha affermato che i due insiemi di competenze si sovrappongono, ma non sono identici, e che la differenza è più importante soprattutto in relazione alle tempistiche. «Non tutti i progetti richiedono la gestione del cambiamento», ha detto. «Le competenze sono diverse, ma si sovrappongono.» Secondo Ketai, la vera distinzione dipende da chi rimane abbastanza a lungo per portare a termine un cambiamento. «Il motivo per cui dovreste avere ruoli separati sono le tempistiche, perché tradizionalmente ai responsabili di progetto non viene data l'opportunità di seguire il processo fino in fondo e assicurarsi davvero che un cambiamento venga mantenuto.»
Non tutti i progetti richiedono la gestione del cambiamento. Le competenze sono diverse, ma si sovrappongono.
Secondo la sua prospettiva, questa lacuna — tra la conclusione di un progetto e il mantenimento del cambiamento che avrebbe dovuto produrre — è l'argomento più forte a favore del mantenimento dei due ruoli distinti, anche se nella pratica il confine tra loro continua a diventare più sfumato.
L'AI non è solo uno strumento: è una parte interessata
Ketai ha inoltre evidenziato un cambiamento nel modo in cui i responsabili di progetto e del cambiamento devono considerare l'IA stessa. Anziché trattarla esclusivamente come un'infrastruttura, ha sostenuto che sempre più spesso si comporta come un portatore di interesse a tutti gli effetti. «Sempre più spesso, con l'IA generativa, l'IA è essa stessa un portatore di interesse», ha affermato Ketai. «Ha i propri obiettivi, i propri atteggiamenti e agirà in modo diverso e talvolta contrario a ciò che desiderate, sulla base di queste realtà interne.»
Sempre più spesso, con l’IA generativa, l’IA è un portatore di interesse. Ha i propri obiettivi, i propri atteggiamenti e agirà in modo diverso e talvolta contrario a ciò che desiderate.
Questa prospettiva ha implicazioni pratiche per la governance: se i sistemi di IA possono comportarsi in modo imprevedibile o divergere dalle aspettative, devono essere presi in considerazione nella pianificazione e nelle discussioni sui rischi allo stesso modo di un portatore di interesse umano.
Verso quale direzione si sta dirigendo il ruolo di responsabile di programma
Guardando al futuro, Ketai ha affermato che i responsabili di programma dovranno avvicinarsi al luogo in cui la strategia aziendale viene effettivamente definita, anziché limitarsi a eseguirla. «I responsabili di programma devono avvicinarsi al luogo in cui viene definita la strategia ed essere in grado di influenzarla», ha dichiarato, «oltre a essere trasparenti nel segnalare alla dirigenza dove è probabile che si verifichino disallineamenti.»
I responsabili di programma devono avvicinarsi al luogo in cui viene definita la strategia ed essere in grado di influenzarla.
Questo cambiamento implica anche un ampliamento del modo in cui i responsabili di programma considerano il rischio, includendo le opportunità favorevoli accanto alla tradizionale attenzione alle minacce, e investendo in modo più intenzionale nella costruzione di relazioni all'interno dell'organizzazione nel tempo.
Il problema della fiducia che nessuno ha ancora risolto
Nonostante lo slancio alla base dell'adozione dell'IA, Ketai ha affermato che la principale barriera ancora esistente non è la tecnologia in sé. È la fiducia, in particolare per quanto riguarda i dati. Ha raccontato di una recente sessione della Conferenza sulla leadership regionale del PMI, durante la quale si è discusso se fosse appropriato che una sezione del PMI utilizzasse l'IA per redigere comunicazioni e-mail destinate agli iscritti. «Non era etico se ciò significava divulgare i dati dei vostri iscritti», ha affermato Ketai, «a meno che non si utilizzasse una sorta di strumento completamente interno.»
Questa distinzione — tra gli strumenti di IA che mantengono i dati confinati e quelli che non lo fanno — probabilmente influenzerà il modo in cui le organizzazioni affrontano la governance dell'IA anche molto tempo dopo che l'attuale ondata di sperimentazione si sarà esaurita.
Desiderate altri approfondimenti di questo tipo? Create un account DPM gratuito per ascoltare le opinioni di altri esperti come questi.
