Con vent'anni trascorsi all'interno di una società di servizi professionali in cui il giudizio umano è alla base del modello di business, un Vice Presidente Globale di EY sostiene in un commento su Fortune che ciò che i clienti cercano da EY — non solo analisi, ma l'esperienza, l'intuizione e la prospettiva necessarie per orientarsi nell'incertezza e prendere decisioni migliori — è esattamente la competenza che l'IA sta ora imponendo in ogni lavoro, che sull'uscio sia scritto analista, tecnico o operatore di macchine.

Il paradosso dell'era dell'IA, sostiene il dirigente, è che più la tecnologia diventa capace, più il mercato premia le altre cose. Le competenze più richieste sono intrinsecamente umane — si riduce tutto a ciò che l'IA non sa fare.

Il divario di talenti è significativo. Anche mentre gli investimenti nell'IA crescono, le aziende stanno perdendo fino al 40% dei guadagni di produttività dell'IA a causa di carenze negli investimenti sui talenti, secondo un sondaggio EY. Molti programmi di formazione si concentrano sull'esperienza tecnica dell'IA, trascurando le competenze critiche che determineranno se una strategia di IA sarà redditizia. La conclusione: il limite ai rendimenti dell'IA può risiedere nella strategia sulle persone quanto nella tecnologia stessa.

##ò che l'IA ancora non sa fare

La tecnologia eccelle nei compiti ripetitivi e nell'emergere dei dati. Ma spetta agli esseri umani definire l'obiettivo, stabilire lo scopo e fornire il contesto che dà significato alle informazioni. Sono le persone a decidere quali obiettivi valga la pena perseguire, a riconoscere quando il contesto cambia e a rimanere responsabili dei risultati. Senza quella direzione umana, dati e insight potrebbero non essere applicati efficacemente o generare il loro intero potenziale di valore.

Questo ridimensiona l'aspetto di un luogo di lavoro orchestrato dall'IA. Non elimina la persona — elimina le parti del lavoro che non richiedevano mai il giudizio umano in primo luogo. Ciò che rimane è la parte che solo un essere umano può fare.

Formare la fluidità nell'IA come competenza di leadership

Per sfruttare appieno un mondo abilitato dall'IA, la fluidità nell'IA deve diventare più di una competenza specialistica — combinando l'uso degli strumenti di IA con la valutazione dei risultati per la pertinenza e sapendo come (e quando) intervenire quando le cose vanno male.

La scala in gioco è notevole: le identità macchina superano i dipendenti umani in un rapporto di 82:1 all'interno dell'organizzazione media, secondo un rapporto di CyberArk, che collega tale proliferazione a minacce di sicurezza delle identità esponenziali quando le identità macchina sono gestite in modo frammentato. Una scala del genere non diluisce la responsabilità umana; la concentra. Man mano che i sistemi di IA diventano più autonomi, il giudizio umano diventa ancora più importante.

Il pensiero analitico è la competenza centrale più desiderata che i datori di lavoro cercano nei potenziali assunti, secondo un sondaggio del World Economic Forum, con circa sette datori di lavoro su dieci che la definiscono essenziale. I leader vogliono un dipendente che eviti la delega cieca e sappia mettere in discussione l'IA quando conta.

La sostanza: usare l'IA per rendere il lavoro più efficiente, non per subentrare nelle decisioni di giudizio che restano la parte più importante del lavoro.

Non navigare da soli

Nella pratica, nessuna singola organizzazione sta risolvendo da sola l'integrazione dell'IA nella forza lavoro Gli approcci isolati possono essere dispendiosi in termini di tempo e costi, poiché le organizzazioni sprecano cicli ricostruendo flussi di lavoro che altri hanno già risolto.

Questo è il lavoro su alleanze ed ecosistemi che l'autore guida in EY, aiutando le organizzazioni a creare le basi giuste per scalare la tecnologia in modo efficiente senza dover ricostruire ciò che altri hanno già risolto.

Il recente lavoro con il produttore di bevande Lion lo ha dimostrato: la collaborazione con partner ecosistemici ha portato a una velocità di risposta ai clienti più rapida del 75% e a un miglioramento di circa il 30% nei costi operativi della sua funzione persone. Piuttosto che cercare di costruire da zero ogni livello di una funzione persone abilitata dall'IA, Lion ha lavorato con partner che avevano già risolto altrove parti di quel problema — un punto di riferimento per le organizzazioni che valutano una realizzazione interna rispetto a una via guidata dai partner.

Ridisegnare i flussi di lavoro per mantenere gli esseri umani al centro

I flussi di lavoro devono essere reimmaginati per mantenere gli esseri umani al centro del processo decisionale e preservare la fiducia. Quando i flussi di lavoro ibridi IA-umani sono costruiti attorno a passaggi di consegne rigidi — aspettandosi che l'IA completi i propri compiti prima di passare il risultato a un essere umano — l'assunzione di fondo è che i compiti possano essere divisi in modo netto. Nella pratica, questa struttura comprime le opportunità di decisioni di giudizio significative e può aggiungere più lavoro iterativo.

Il modello più duraturo organizza il lavoro attorno a compiti condivisi in un processo realmente integrato, in cui esseri umani e IA contribuiscono in ogni fase anziché in sequenza.

Daikin, una multinazionale specializzata in riscaldamento, ventilazione e condizionamento dell'aria, lo ha illustrato sfruttando team ibridi di IA ed esseri umani che lavorano in tandem per l'implementazione di un nuovo sistema di pianificazione delle risorse aziendali (ERP). Mentre l'IA assisteva nella generazione di codice e nei test automatizzati, i dipendenti mantenevano la supervisione per eccezioni e scenari ad alto rischio — a conferma che il giudizio è qualcosa che nessun algoritmo può assorbire. Secondo il resoconto di EY dell'incarico, l'approccio ha accelerato la consegna di circa il 30%, e il pilota ha prodotto un guadagno del 10% nell'efficienza dei contatori e una chiusura finanziaria più rapida del 20%.

La competenza che non scade

Con le capacità dei modelli di IA in continua evoluzione, il dibattito sulla formazione avanzata resta indietro se segue solo gli aggiornamenti tecnici. Le competenze tecnicheate a una specifica versione di modello hanno una breve durata; il giudizio su quando e come intervenire no.

Il giudizio è essenziale per stabilire un'IA sicura e affidabile.

Tutto questo non avviene per caso. Servono fluidità a ogni livello, partner che condividano l'onere della costruzione e flussi di lavoro progettati per mantenere gli esseri umani nel ciclo in ogni fase, per fornire un'adeguata supervisione.

Le organizzazioni che fanno bene la scalabilità dell'IA compiono scelte deliberate su quali parti del lavoro restino umane. E un'adozione dell'IA fatta bene chiarisce quel ruolo anziché ridimensionarlo.

Le opinioni espresse in questo articolo sono quelle dell'autore e non riflettono necessariamente le opinioni dell'organizzazione globale EY o delle sue società membri. Le opinioni espresse nei commenti su Fortune.com sono esclusivamente quelle dei loro autori e non riflettono necessariamente le opinioni e le convinzioni di Fortune. Questa storia è stata originariamente pubblicata su Fort.com.