L’IA clandestina al lavoro rivela anzitutto le carenze dell’organizzazione

Dieci anni fa, il «migliore amico» di chi cercava una risposta si chiamava Google. Oggi può essere ChatGPT, Claude, Perplexity o Gemini, gratuitamente, a portata di browser. Si spiega all’assistente come funziona la propria impresa e poi, per fare più in fretta, gli si affida il documento interno: «Tieni, ti do anche il file, così lo vedrai da solo.» Vassili Joannides de Lautour descrive la scena senza indignazione. Il gesto è così comodo, dice, che è proprio questo a farne una questione.

Si chiama shadow IA, l’IA nell’ombra: il ricorso, per lavorare, a strumenti di intelligenza artificiale che l’organizzazione non ha fornito o non ha approvato. Un account ChatGPT personale o gratuito, dati professionali affidati a Canva per un’immagine o a Prezi per una presentazione: l’elenco è infinito. Il ricercatore la distingue dalla shadow IT, l’uso di apparecchiature non omologate, come il Mac personale preferito al computer fornito dal datore di lavoro (confessa di averlo fatto). Quel terreno, tecnico, spetta agli specialisti della sicurezza. Il suo è quello dei comportamenti.

Un sintomo prima di essere una colpa

Il riflesso abituale consiste nel trattare il tema come un rischio di sicurezza: una fuga di dati da prevenire, un divieto da ricordare. I comitati di direzione che incontra vedono del resto spesso nell’IA, dice, una questione della direzione dei sistemi informativi. Lui la considera un tema trasversale e capovolge la domanda. «La domanda non è: è giusto o sbagliato utilizzare l’IA clandestinamente? Per me la domanda è: come mai un dipendente ha bisogno di ricorrere clandestinamente a strumenti di IA?» La sua risposta: il datore di lavoro non gli mette a disposizione gli strumenti di cui ritiene di aver bisogno per svolgere i propri compiti.

Evita però di ridurre tutto a processi mal progettati. Gli usi clandestini prosperano anche perché l’IA rende improvvisamente facili attività a basso valore aggiunto: collegare un assistente a un foglio di calcolo, fornirgli dati grezzi, recuperare un rapporto pronto da inviare. Le promesse commerciali, che vendono ore risparmiate ogni settimana, alimentano questa attenzione al vantaggio immediato. E il rischio non si trova sempre dove lo si aspetta: un amico ebanista, racconta, non espone il proprio modo di tagliare il legno, ma i dati dei suoi clienti.

Il manager guarda prima verso l’alto

Interrogato sul caso di una responsabile del servizio finanziario, in un gruppo di istruzione superiore, tentata di chiudere un occhio su queste pratiche per alleggerire un team sovraccarico a causa di strumenti troppo lenti, non parte dal team. Il primo ruolo del manager intermedio, secondo lui, è far risalire il bisogno e il rischio fino al comitato esecutivo. Senza dire se abbia constatato degli usi, segnala che sono probabili se mancano gli strumenti e rimanda la responsabilità del rischio al livello che può decidere. «Se il manager intermedio si interessa soltanto a ciò che scende verso i suoi team, il problema non sarà mai affrontato di petto.»

In attesa che la direzione decida, sostiene la trasparenza all’interno del team, poiché è il manager a rispondere degli usi davanti alla propria gerarchia. Il dipendente spiega come procede, anche fuori dalle regole, e chiede fin dove andare; il manager indica i dati e gli usi sui quali rifiuta di impegnare la propria responsabilità. Parla di «adattamento reciproco», nozione classica della teoria delle organizzazioni: un coordinamento attraverso lo scambio diretto anziché attraverso la regola scritta. Questo dialogo gli sembra «davvero cruciale in assenza di un quadro»: «apporta una certa forma di quadro informale all’interno del team».

L’ostacolo sta in ciò che chiama «l’IA di cui ci si vergogna». I dipendenti tacciono il proprio uso, non tanto perché clandestino quanto per paura di aver imbrogliato. A volte per ragioni più prosaiche: si preferisce ChatGPT quando tutti esaltano Claude e si teme di essere derisi. Da qui una proposta che sa essere paradossale: rendere comuni questi usi. Richiama il Partito Rivoluzionario Istituzionale, al potere in Messico dal 1929 al 2000 con nomi diversi, il cui stesso nome è un ossimoro. «Istituzionalizzare una pratica clandestina mi sembrerebbe qualcosa di sano, quasi una misura di salute pubblica.»

Quando la performance altera gli equilibri del team

Al di là dei dati, l’IA sconvolge i ritmi. Un dipendente può usarla per consegnare lo stesso lavoro in meno tempo, un altro per produrre molto di più. Vassili Joannides de Lautour non ama la parola «produttività», ma ha osservato la sorte del secondo. In un team, ritiene, è il collettivo a dare il ritmo: chi eccelle rischia di essere richiamato all’ordine, perché gli altri non riescono a seguirlo o perché dimostra che tutti potrebbero fare altrettanto. Ha visto il più performante finire emarginato, al punto che il suo stesso manager lo vedeva come un problema; non tanto la persona quanto la situazione creata dal suo rendimento. L’IA, avverte, non farà che amplificare ciò che già conosciamo.

Per individuare questi scarti, il manager dispone di segnali deboli, a condizione di conoscere bene il proprio team. Il ricercatore offre due esempi: chi lavorava già cinquanta ore alla settimana e consegna improvvisamente l’equivalente di ottanta; chi vede la propria pausa caffè passare da mezz’ora a un’ora e mezza senza che il risultato cambi. Uno scarto non dimostra l’uso dell’IA; invita a interrogarsi.

Rimane la scelta del manager, che fissa la cadenza. Contrappone chi punta alla performance massima per mettersi in mostra, anche a costo di fare pressione su chi padroneggia meno gli strumenti, a chi cerca l’equilibrio, incoraggia l’IA finché serve i risultati richiesti e frena lo zelante. Dichiara la propria preferenza per il secondo, senza considerarsi un opportunista. «È inutile eccedere nello zelo soltanto per principio, sapendo che ci sono persino forti probabilità che a un certo punto l’eccesso di zelo diventi la nuova norma.»

Dal doping agli strumenti

Per riflettere sulla durata del fenomeno, preferisce al paragone con Internet quello con il ciclismo della fine degli anni Novanta. Ci si chiedeva allora, non senza cinismo, se il pubblico avrebbe ancora guardato il Tour de France se i corridori avessero impiegato giorni a salire sul Galibier. L’IA pone secondo lui una domanda della stessa natura: dove si ferma il potenziamento ragionato delle proprie capacità, dove comincia quello che rende molto performanti su temi che non si padroneggiano, al punto di dubitare dell’affidabilità del risultato?

La metafora si estende al gruppo dei corridori. Le competenze nell’IA sono sempre più richieste al momento dell’assunzione, il ritardo nella formazione diventa una fonte di tensione per le risorse umane; negli Stati Uniti, secondo lui, è già un motivo di licenziamento. La shadow IA durerà quindi il tempo necessario ai meno esperti per raggiungere il gruppo, o per essere squalificati. Christophe Hollenet [DA VERIFICARE], ex direttore generale di Microsoft con cui ne ha discusso, ritiene che la pratica durerà e che la sfida sarà integrarla anziché vietarla.

Da qui la sua risposta pratica: dare ai dipendenti ciò di cui hanno bisogno per non cercare più altrove, nel rispetto del regolamento generale sulla protezione dei dati (GDPR), del regolamento europeo sull’IA, del segreto commerciale e della direttiva europea NIS 2 sulla sicurezza dei sistemi informativi. Delinea tre strade: una licenza Copilot completa per tutti coloro che lavorano al computer nelle organizzazioni dotate di Microsoft, di cui riconosce il costo; partnership con Mistral per un’IA adattata ai mestieri; strumenti di IA locali, configurati per gli usi dell’organizzazione. Il tutto preceduto da una «filosofia»: ciò che si accetta, o si rifiuta, di affidare all’IA.

Quando gli si obietta che uno strumento imposto rischia di uniformare le pratiche e soffocare ciò che ciascuno apporta di singolare, precisa che pensa a soluzioni su misura, proprie di ogni organizzazione. Poi ammette una «dissonanza cognitiva»: lui stesso avrebbe difficoltà a rinunciare a strumenti che padroneggia, anche a costo di infrangere la regola senza provarne piacere. Ma la normalizzazione interna gli sembra il principio stesso dell’impresa, ciò che, per l’economista Oliver Williamson, premio Nobel nel 2009, distingue la gerarchia dal mercato: riferimenti comuni per lavorare insieme. Non pretende di sciogliere la tensione. Al massimo formula un auspicio: «Oso sperare che la creatività e l’individualità si esprimano in modi diversi dall’uso che facciamo dell’IA.»

Riferimenti

Vassili Joannides de Lautour ha fatto carriera per vent’anni nell’istruzione superiore, in Francia e all’estero, in particolare con funzioni dirigenziali. Abilitato a dirigere ricerche, ha dedicato i propri lavori alla tracciabilità, alla difendibilità e alla verificabilità delle decisioni e delle fonti su cui si basano. Da circa due anni progetta soluzioni di IA destinate a ristabilire la fiducia tra i portatori di interesse, per esempio per prevenire la contestazione delle decisioni accademiche. Interviene presso comitati di direzione e imprese di medie dimensioni attraverso le sue strutture SAFEOS, negli Stati Uniti, e Grades Education, in Europa.

Questo articolo è tratto dall’intervista a Vassili Joannides de Lautour nel podcast Valore umano nell’era dell’IA (ISSEO)