Quello che le macchine non sapranno mai fare e che invece noi umani sappiamo fare molto bene - Centodieci

Quello che le macchine non sapranno mai fare e che invece noi umani sappiamo fare molto bene

Giulio Xhaet

Consulente e formatore professionista per grandi Aziende e Pmi. Digital Strategist in Newton Management Innovation, Founder Made in Digital e Professioni del Web, Coordinatore scientifico e docente presso la Business...

Molti economisti e sociologi temono che stiamo creando macchine che eliminano sempre più rapidamente posti di lavoro e che alla lunga finiremo quasi tutti disoccupati. Queste preoccupazioni trovano fondamento in un’analisi del 2013, condotta dagli studiosi britannici Carl Frey e Michael Osborne, dal titolo: “Il futuro dell’occupazione: quanto sono sensibili i posti di lavoro all’informatizzazione?”. Secondo i due studiosi, entro vent’anni giungeremo addirittura alla perdita del 47% degli impieghi.

Del perché le macchine ultimamente siano diventate così pericolose per il lavoro degli esseri umani ne ha parlato in un articolo su Centodieci anche Massimo Temporelli. Il punto è questo: con l’arrivo delle macchine, durante la rivoluzione industriale, la domanda di lavoro è scesa per le mansioni manuali di routine. Ora, durante la rivoluzione digitale, l’occupazione umana crolla per le mansioni cognitive di routine.

Qualsiasi cosa possa essere espressa con un algoritmo può essere automatizzata

Queste ultime sono infatti replicabili dalle macchine, che sono più rapide, efficienti, precise, economiche nel pensare dentro uno schema, anche complesso. Tutto quello che può essere espresso secondo un algoritmo, può essere automatizzato. Thomas Davenport, ricercatore del MIT, e Julia Kirby, capo redattore della Harvard Business Review, in un illuminante articolo da titolo Beyond Automation ribadiscono che «Le persone sono volubili e imprevedibili, portate all’egoismo, alla noia e alla disonestà, difficili da addestrare e facili al tedio. Tutte caratteristiche che i robot non possiedono».

Inoltre oggi le macchine sembrano davvero in grado di apprendere, seppure in un modo diverso dagli esseri umani, ma gli algoritmi migliorano in autonomia le proprie capacità di analisi dati attraverso un vera e propria autoformazione basata su prove ed errori continui. Partono magari offrendo prestazioni scarse, che presto diventano accettabili, e via via migliori fino a diventare eccellenti.
Un esempio? Il traduttore di Google.
Lanciato nel 2006, i suoi output erano perlopiù imbarazzanti: inviare anche solo due righe di testo a un contatto straniero sfruttando il software significava rischiare la figura del semianalfabeta. Ultimamente invece, per frasi dalla sintassi semplice lo strumento funziona molto bene (almeno in alcune lingue) e anche in periodi complessi fa sempre meno errori. Il refrain scolastico dello studente «È intelligente, ma non si applica» potrebbe ribaltarsi se prendiamo una macchina e la mettiamo davanti a un compito cognitivo: «Non è molto intelligente, ma si applica tantissimo». Migliorando con una costanza che solo un programma può dimostrare.

Ed ecco un altro esempio, decisamente più inquietante: la Automated Insights. Questa azienda specializzata nella generazione di rapporti automatici offre un tool, Wordsmith, capace di generare veri e propri articoli dai contenuti impattanti. Non solo: i testi possono essere personalizzati per diverse audience, nel tono e nella scelta delle parole usate: più colloquiale, più professionale, più energico. Ancora, può essere sfruttato per descrivere e argomentare i report di marketing e di Web Analytics, promettendo di risparmiare tempi e costi. Unica controindicazione: potrebbe mandare a casa i creatori di contenuto e gli analisti umani.
Dannatamente efficace, dannatamente reale.
Ma non tutto è perduto.

Gli algoritmi non potranno mai tener conto di alcune peculiarità tipiche di noi umani come l’ideazione di soluzioni nuove ricorrendo a schemi mai sperimentati prima

Come abbiamo appurato, le macchine sono bravissime a seguire le regole. Eppure, gli algoritmi su cui si basano sono in definitiva delle semplificazioni: non possono tenere conto di tutto. I computer infatti sono davvero incompetenti, potremmo dire dei veri babbei, su quattro fronti.

La capacità di ideazione
Non si è mai vista una macchina prendere decisioni da sola senza che le vengano forniti dei dati utili alla soluzione. L’intelligenza artificiale non può partire da zero. Non esistono macchine imprenditoriali, che sappiano creare qualcosa di completamente nuovo, non possiamo riportare nemmeno un piccolissimo esempio di vera innovazione giunta da un robot.
L’ideazione, la capacità di escogitare nuove idee, è una facoltà di noi umani. Se colleghiamo l’ideazione ad alcune tra le professioni digitali, il pensiero può andare subito su profili a forte livello decisionale, come il Digital Strategist o il Chief Innovation Officer. Ma non solo. Si tratta anche di riuscire a interpretare i dati quando lavoriamo in qualità di Web Analyst, o nel ruolo nato recentemente del Data Scientist.

Riconoscimento di modelli in contesti ampi
Si tratta delle informazioni che non possono essere ricondotte a schemi già conosciuti. Nessuna macchina è in grado di pensare out of the box, fuori dalla scatola. Significa che per affrontare un problema riescono a sfruttare solo i dati che hanno a disposizione. Numerosissimi, enormi quanto si vuole, ma hanno solamente quelli.
Detto altrimenti: i computer sono perfetti per il problem solving tradizionale, ma pessimi per il problem setting, ovvero la capacità di fare tabula rasa e osservare una situazione da una prospettiva diversa, con dati di partenza ignoti, per risolvere il problema in modo alternativo.
Le campagne promozionali online cambiano contesto ogni giorno, portando i Digital Advertiser a dover rivedere la propria strategia di continuo. Esattamente come i SEO più quotati, che non si limitano a fare il compito secondo le regole, ma si spendono a sperimentare soluzioni inedite per migliorare il posizionamento di un sito sui motori di ricerca. Si tratta di problem setter, più che di problem solver.
Vi ricordate il professor Keating del film l’Attimo fuggente quando spronava i suoi alunni a saltare sul banco o sdraiarsi sul pavimento per vedere le cose da un punto di vista diverso? Su questo compito, il più potente algoritmo al mondo finirebbe ancora oggi bocciato all’istante.

Forme complesse di comunicazione
Una macchina non può comprendere a fondo il linguaggio. Né può interpretarlo con la capacità istintiva di una persona. I software che tentano di analizzare il tono di una conversazione, pur essendosi raffinati costantemente, non possono competere con un analista umano nel coglierne le innumerevoli sfumature. Provate a mettere il miglior algoritmo davanti a una frase ironica: la valuterà in senso letterale, non riuscendo a cogliere il contesto.
Inoltre, padroneggiare forme complesse di comunicazione ci porta a interagire con gli altri in modo efficace, tempestivo e costruttivo. In modo empatico, come solo un buon Community Manager riuscirà a fare. E ancora nessun cervellone dopato di algoritmi potrà creare e mantenere nel tempo un network professionale, con il quale costruire campagne promozionali badate sule relazioni e sulla fiducia, mentre un Digital PR di talento lo dimostra ogni giorno.

Il contradditorio
Esiste un’altra peculiarità umana, che ingegneri e scienziati spesso non annotano nei loro studi. È la capacità di essere contraddittori, complicati, poco lineari.
Come scriveva il poeta americano Walt Whitman: «Mi contraddico? Ebbene sì, mi contraddico. Sono vasto. Contengo moltitudini». Diciamo una cosa e ci comportiamo in modo opposto. Come è possibile per una macchina tracciare modelli efficaci partendo dai nostri comportamenti online, se non siamo creature affidabili? Le macchine non possono tracciarci fino in fondo, forse proprio perché noi che le abbiamo create non sappiamo farlo. Per questo sappiamo raggiungere i risultati non partendo solo dalle regole, ma anche dalle eccezioni. Per questo esistono libri come Alice nel Paese delle Meraviglie, che per un software di interpretazione dati non avrebbe alcun valore, e che invece molti lettori trovano geniale e godibilissimo nelle sue trovate linguistiche, i non-sensi e il suo essere splendidamente contraddittorio.

Nel caso siate interessati ad approfondire questi e altri argomenti legati al mercato del lavoro digitale, vi rimando al libro scritto e curato con Ginevra Fidora, Le Nuove Professioni Digitali, uscito recentemente per Hoepli. Alla prossima!