Ridisegnare i ruoli partendo dai compiti quando si introduce l’AI

Ridisegnare un ruolo dopo l’introduzione dell’AI significa ricostruire il suo insieme di compiti, non applicare un’etichetta di automazione alla qualifica. Un addetto può preparare una risposta più rapidamente mentre il responsabile eredita una coda di controlli, lo specialista riceve casi più ambigui e qualcuno deve correggere le conoscenze usate dall’assistente. Contare soltanto la produzione risparmiata nasconde il lavoro trasferito, le nuove responsabilità e le occasioni di apprendimento che rischiano di scomparire.

Perché il ridisegno dei ruoli deve partire dai compiti?

Il compito è l’unità di evidenza più utile perché una stessa qualifica riunisce attività con condizioni molto diverse. Alcune possono restare interamente umane, altre ricevere un supporto circoscritto, altre iniziare con un output dell’AI e altre ancora essere automatizzate entro confini stretti. L’OCSE osserva inoltre che l’AI può automatizzare, integrare o introdurre compiti: una decisione unica sull’intero ruolo cancella proprio queste differenze.

L’indice dell’ILO analizza l’esposizione potenziale all’AI generativa a livello di compito e indica la trasformazione come esito generale più probabile della sostituzione. Non misura però la produttività o il fabbisogno di personale di una singola impresa. L’esposizione occupazionale è quindi un segnale per indagare il lavoro locale, non una percentuale da convertire in posti, ore disponibili o obiettivi di riduzione.

Che cosa deve registrare il quadro dei compiti attuali?

Il quadro iniziale deve descrivere ciò che accade davvero, con quale domanda e in quali condizioni. Ogni riga parte da un’azione e dal suo oggetto, per esempio «verificare la completezza della pratica», e specifica evento di avvio, input, risultato, condizione di completamento, titolare attuale, destinatario e percorso delle eccezioni. Le fasi vanno separate quando cambiano evidenze, giudizio, conseguenze o responsabilità.

• Volume e andamento della domanda in un periodo dichiarato.
• Tempo di lavoro effettivo, attesa trascorsa e dimensione della coda.
• Varianti legittime, casi limite, rilavorazioni e guasti noti.
• Dipendenze, passaggi, consultazioni, approvazioni e autorità necessarie.
• Conseguenze di errori o ritardi e conoscenza richiesta.
• Fonti della rilevazione, livello di fiducia e modalità di apprendimento della competenza.

Interviste, osservazione, campioni di pratiche e registri dei sistemi devono correggersi a vicenda: nessuna fonte, da sola, rappresenta il processo. O*NET può offrire un vocabolario e un controllo di completezza grazie ai suoi dati su compiti, attività e contesto, ma descrive occupazioni statunitensi, non l’operatività dell’impresa italiana. Il formato del registro rimane una sintesi editoriale adattabile, non un metodo attribuito a O*NET.

Come testare ogni compito prima di assegnarlo a persone o AI?

Ogni compito va provato con una configurazione AI identificabile e con casi che rappresentino il lavoro reale. Bisogna congelare e registrare modello, strumenti, prompt, dati, controlli, serie di prova e data. In un esperimento preregistrato con 758 consulenti, l’assistenza AI migliorò le prestazioni su compiti selezionati entro la frontiera testata, ma ridusse la correttezza su un compito complesso scelto al di fuori: il risultato non è trasferibile automaticamente ad altri contesti.

• Casi ordinari e frequenti, senza sovrarappresentarli.
• Varianti ammesse e confini ambigui.
• Eventi rari ma con conseguenze rilevanti.
• Input mancanti, incoerenti, superati o conflittuali.
• Errori storici e condizioni note di indisponibilità.
• Segmenti per esperienza, prodotto, canale, clientela o territorio quando pertinenti.

La frontiera delle capacità è irregolare e mutevole, quindi le etichette assegnate ai compiti non sono permanenti. Per ogni configurazione servono autorità di completamento, input e azioni consentiti, criteri di controllo, percorso delle eccezioni, condizioni di arresto e ripiego. Il NIST AI RMF sostiene la differenziazione delle responsabilità uomo-AI e la documentazione di competenza e supervisione, senza imporre un modello organizzativo unico.

Quali variazioni di impegno misurare oltre al tempo di produzione?

Oltre alla produzione occorre misurare separatamente verifica, giudizio, gestione delle eccezioni e coordinamento. Questi cinque conti sono uno strumento contabile editoriale, non uno standard di ricerca. Servono a mostrare se il lavoro è stato ridotto, conservato, spostato verso un’altra funzione o creato dall’assistenza AI. Ogni trasferimento deve indicare il destinatario, la domanda che riceve e la capacità disponibile nei periodi di punta.

• Produzione: trovare, comporre, trasformare o inserire il primo risultato.
• Verifica: controllare fonti, calcoli, completezza, regole e usabilità a valle.
• Giudizio: inquadrare il caso, interpretare, scegliere, esercitare autorità e rispondere dell’esito.
• Eccezioni: gestire ambiguità, guasti, correzioni, recuperi, override ed escalation.
• Coordinamento: trasferire contesto, rispondere a dubbi, riconciliare output, formare e mantenere la conoscenza condivisa.

Il tempo non è l’unica dimensione. La rassegna dell’OCSE segnala che l’AI può ridurre attività tediose, ma anche aumentare il ritmo, diminuire l’autonomia o restringere la varietà dei compiti, con effetti differenti tra lavoratori e contesti. Il pilota deve quindi osservare intensità, autonomia, varietà e responsabilità mantenuta. Un’attività più rapida può altrimenti produrre un ruolo meno sostenibile o una coda invisibile altrove.

L’AI non elimina il lavoro in un blocco: sposta il luogo in cui vivono impegno, autorità, eccezioni e apprendimento.

ModelFold Editorial Team

Come ricomporre i compiti senza perdere responsabilità e competenze?

I compiti modificati vanno ricomposti assegnando doveri, autorità e capacità a ruoli nominati. «Persona nel processo» non è una responsabilità sufficiente: occorre stabilire quali evidenze controlla, quali casi riceve, quali decisioni può prendere e come regge la coda nei picchi. Dove necessari, vanno identificati revisore dell’output, titolare delle eccezioni, responsabile della conoscenza, referente del sistema, monitor delle prestazioni e responsabile dell’apprendimento.

• Definire criteri, autorità, priorità e canali di comunicazione per ogni nuovo dovere.
• Individuare i compiti che oggi offrono osservazione, ripetizione, feedback e casi difficili.
• Creare pratica deliberata con affiancamento, simulazioni, rotazioni, analisi dei casi e coaching.
• Verificare se i meno esperti sanno diagnosticare e recuperare quando l’AI sbaglia o manca.
• Segmentare gli esiti per esperienza anziché affidarsi soltanto alla media del gruppo.

In un gruppo ipotetico di assistenza clienti, l’AI può ridurre ricerca e prima stesura sui casi ordinari testati, mentre l’addetto conserva diagnosi, verifica del contesto e decisioni entro la propria delega. Responsabili e specialisti possono però ricevere più controlli, escalation, correzioni della base di conoscenza e coaching. Uno studio su 5.179 addetti trovò effetti diversi per esperienza; un altro, su 776 professionisti dello sviluppo prodotto, osservò cambiamenti tra configurazioni individuali e di gruppo. Nessuno dei due risultati autorizza una regola universale sull’organico.

Quando le evidenze bastano per cambiare capacità, ruoli o servizio?

Le evidenze bastano soltanto dopo un pilota che riconcili l’intero carico e renda visibili domanda, qualità, responsabilità e competenze. Per un periodo dichiarato, si stima l’impegno lordo di produzione ridotto e si sottraggono verifica, giudizio, eccezioni, coordinamento, apprendimento, monitoraggio e manutenzione della conoscenza aggiunti. Il tempo di attesa aiuta a capire il flusso, ma non va contato automaticamente come lavoro umano.

• Correggere il saldo per variazioni di domanda, servizio, qualità e rilavorazioni.
• Attribuire il lavoro trasferito ai proprietari e alle code di destinazione.
• Osservare picchi, override, difetti, feedback, autonomia e varietà dei compiti.
• Provare diagnosi e recupero quando l’AI è indisponibile o produce un risultato errato.
• Rivalutare dopo cambiamenti a modello, prompt, dati, controlli, flusso o mix dei casi.
• Trattare l’eventuale saldo come capacità provvisoria, non come riduzione automatica dell’organico.

Il processo deve funzionare abbastanza a lungo da far emergere attività laterali e una domanda ragionevolmente stabile. Se mancano casi rappresentativi, proprietà delle code, revisione efficace, capacità per le eccezioni o un piano per le competenze, ruolo e organico restano invariati. Lo stesso vale per descrizioni delle mansioni, indicatori individuali e promesse di servizio: modificarli prima di stabilizzare il sistema trasferisce l’incertezza sulle persone e sui clienti.

Il registro è uno strumento per decidere sul pilota, non una scorciatoia per conclusioni occupazionali. Le determinazioni su lavoro, relazioni industriali, accessibilità, discriminazione, privacy, sicurezza, diritto, regolazione e attività professionali restano ai responsabili organizzativi qualificati e autorizzati. Il metodo rende osservabile il cambiamento operativo, ma non sostituisce quelle valutazioni né garantisce che una revisione umana sia efficace per il solo fatto di essere prevista.