Bob Sternfels ha descritto l'evoluzione del lavoro durante il CES di Las Vegas. Il Global Managing Partner di McKinsey ha spiegato come l'adozione di agenti autonomi stia ridefinendo i compiti interni alla società di consulenza. Durante il suo intervento di martedì scorso, il dirigente ha chiarito che l'automazione non sta eliminando il lavoro umano, ma lo sta spostando verso l'alto nella scala della complessità analitica.
Se il lavoro umano vira verso la complessità, dunque, comprendere quali capacità restino ad appannaggio dell'uomo è cruciale per i professionisti che devono navigare in un mercato dove molte professionalità si possono automatizzare spendendo relativamente poco. Sternfels ha sottolineato che l'efficacia operativa non basta più per distinguersi in un contesto aziendale dove la tecnologia gestisce volumi informativi precedentemente inimmaginabili.
Solo nell'ultimo anno, l'integrazione dell'intelligenza artificiale ha permesso a McKinsey di risparmiare 1,5 milioni di ore precedentemente dedicate alla ricerca e alla sintesi di documenti. Attualmente, l'azienda impiega circa 25.000 agenti IA che lavorano a fianco dei consulenti umani, occupandosi prevalentemente di compiti ripetitivi ma ad alta intensità di dati, come la creazione di grafici.
Negli ultimi sei mesi, questi agenti hanno generato 2,5 milioni di visualizzazioni grafiche, liberando i consulenti da oneri burocratici. Questo spostamento di risorse permette al personale di affrontare sfide che richiedono un'interpretazione strategica e un orientamento al ritorno sull'investimento (ROI) più marcato. Nonostante questa massiccia adozione tecnologica, Sternfels ha isolato tre domini dove i modelli linguistici falliscono sistematicamente.
Il primo pilastro è l'abilità di aspirare. Secondo Sternfels, i modelli possono calcolare traiettorie ma non possono porsi obiettivi esistenziali o strategici di alto profilo. Decidere se puntare all'orbita terrestre o puntare su Marte resta una capacità umana legata alla visione e alla volontà. Costruire un consenso attorno a queste aspirazioni richiede una leadership che l'intelligenza artificiale, per sua natura algoritmica, non possiede.
L'architettura del giudizio e la creatività ortogonale
Il secondo elemento critico è il giudizio. Sternfels osserva che nei modelli di intelligenza artificiale non esiste una nozione intrinseca di "giusto" o "sbagliato". Spetta all'uomo impostare i parametri etici e le norme sociali che regolano l'output tecnologico. Senza una supervisione umana basata su valori aziendali consolidati, il rischio di produrre risultati tecnicamente corretti ma socialmente o strategicamente inaccettabili è elevato.
La terza competenza è la creatività. I modelli attuali sono sistemi di inferenza che prevedono il passo successivo più probabile sulla base di dati esistenti. La vera creatività umana, invece, si manifesta nella capacità di pensare al di fuori degli schemi consolidati, approdando a soluzioni che non sono la semplice prosecuzione statistica del passato. In un mercato sempre più automatizzato e anonimo, questa distinzione diventa un vantaggio competitivo essenziale.
L'adozione dell'IA sta modificando radicalmente anche i criteri di selezione del personale. Sternfels ha dichiarato che il blasone accademico perderà progressivamente importanza rispetto alla dimostrazione concreta delle competenze. Per chi possiede un background tecnico, piattaforme come GitHub diventeranno il vero biglietto da visita, permettendo ai datori di lavoro di valutare il contenuto reale della produzione intellettuale piuttosto che il semplice titolo di studio.
Questo approccio potrebbe democratizzare l'accesso al mondo del lavoro, aprendo percorsi alternativi per talenti che non hanno seguito iter accademici tradizionali. La focalizzazione si sposta sulla capacità di esecuzione e sulla padronanza degli strumenti digitali come acceleratori della produttività. In questo senso, l'IA non agisce solo come strumento, ma come filtro che mette a nudo la reale profondità intellettuale del lavoratore.
Tuttavia, permane lo scetticismo sulla capacità delle imprese di gestire questa transizione senza traumi organizzativi. Se da un lato l'IA aumenta l'efficienza, dall'altro impone un reskilling massiccio che non tutte le strutture sono pronte ad affrontare. Il rischio è che la velocità del progresso tecnologico superi la capacità di adattamento dei quadri intermedi, creando un divario tra chi domina l'automazione e chi ne viene sommerso. Bisogna inoltre considerare che ottimizzare non è l'unico obiettivo per un'azienda che mira alla sostenibilità nel lungo periodo.
In definitiva, l'analisi di Sternfels conferma che l'intelligenza artificiale è un formidabile motore di ottimizzazione, ma resta un'entità priva di scopo. La sfida per i giovani professionisti non sarà competere con la macchina sulla velocità di elaborazione, ma coltivare quell'ethos aziendale e quel senso critico che permettono di governare il mezzo tecnico. Senza un'aspirazione umana che ne guidi l'applicazione, anche la più avanzata delle intelligenze artificiali rimane una scatola vuota, incapace di produrre valore che vada oltre la mera statistica.
