Nell’intelligenza artificiale, uno dei termini più rilevanti e raccontati negli ambienti professionali è workslop, definito come un sottoprodotto negativo dell’automazione: contenuti o output che sembrano ben confezionati ma che in realtà mancano di sostanza, rilevanza e utilità reale. In altre parole, si tratta di quel materiale che l’AI può generare rapidamente e con un aspetto “lucido”, ma che non aiuta veramente chi ne fa uso e, spesso, aggiunge più lavoro piuttosto che ridurlo. Questo fenomeno emerge con particolare forza nei contesti aziendali, dove report generici, approvazioni che complicano invece di semplificare, o processi automatizzati che producono risultati imprecisi, finiscono per consumare tempo prezioso invece di liberarlo. L’effetto è un calo di fiducia negli strumenti di automazione e una sensazione diffusa che la tecnologia non stia mantenendo le promesse di efficienza e qualità che tanto si proclamano.
La riflessione su workslop non è confinata alle chiacchiere: per molti leader, in particolare nelle funzioni finanziarie come quella del Chief Financial Officer, questo fenomeno rappresenta una dolorosa realtà quotidiana. L’automazione, quando non è guidata da una comprensione profonda del contesto umano e dei bisogni specifici, può generare output che richiedono ulteriori chiarimenti, correzioni o revisioni. Il risultato è che team già sotto pressione si ritrovano intrappolati in modalità reattiva, occupandosi di problemi che dovrebbero essere risolti dall’AI invece di dedicarsi a lavori di maggiore valore strategico. La sfida diventa quindi capire come si possa sfruttare davvero l’AI per semplificare i processi, anziché vedere l’AI come un “lavapiatti” automatico che, senza controllo umano, sporca più di quanto pulisce.
Una chiave di volta per superare il problema del workslop, secondo chi l’esperienza diretta ce l’ha, è adottare un approccio human-centered, cioè incentrato sulle persone e sui loro modi di lavorare. Questo comporta innanzitutto riconoscere che l’obiettivo dell’intelligenza artificiale non è sostituire completamente l’essere umano, ma piuttosto alleggerire i compiti noiosi, ripetitivi o gravosi in modo da liberare tempo ed energia per attività di maggiore impatto e soddisfazione. Un’AI umanamente centrata non si limita a eseguire istruzioni, ma è progettata e integrata tenendo presente le esigenze quotidiane, le frustrazioni e le priorità delle persone che la utilizzano.
Per raggiungere questo livello di efficacia, non basta fornire strumenti tecnologici avanzati: è essenziale che chi utilizza l’AI abbia formazione, tempo e supporto per comprenderne i limiti e affinare i propri input. Il lavoro con i modelli linguistici, ad esempio, richiede un processo iterativo di interazione, affinamento dei prompt e contestualizzazione. Solo attraverso un dialogo attivo con l’AI – riscrivendo richieste, precisando obiettivi e fornendo feedback – si ottengono risultati utili e significativi. Un primo “draft” generato dall’AI è spesso insufficiente: serve revisione, adattamento e un occhio umano per trasformarlo in qualcosa di veramente utile.
Un altro aspetto cruciale di un approccio basato sull’essere umano è la scelta di tecnologie e partner tecnologici che comprendano profondamente il contesto specifico di un’organizzazione. Ciò significa selezionare soluzioni che non solo possiedono capacità avanzate di intelligenza artificiale, ma che siano anche configurabili, trasparenti e adattabili ai bisogni reali delle persone che lavorano quotidianamente con i dati, con i processi e con le decisioni. In questo senso, un’AI efficace non è uno strumento astratto o generico, ma una tecnologia che conosce l’ambiente, il linguaggio e le sfide proprie dell’azienda e delle persone che ne fanno parte.
L’approccio human-centered all’AI non si limita a migliorare la qualità dei risultati prodotti o a ridurre il workslop. Esso ha anche un ruolo trasformativo più ampio: può integrare tecnologie come l’OCR (Optical Character Recognition) con modelli avanzati di AI per colmare gap e attriti nei processi, automatizzare attività ripetitive mantenendo l’interazione umana quando necessario, e persino offrire assistenza proattiva direttamente nei flussi di lavoro esistenti. Questo tipo di AI riduce le attività non di valore, permette alle persone di restare concentrate su compiti più creativi o strategici e facilita decisioni migliori grazie a un’informazione più contestualizzata e pertinente.
Nonostante tutte queste potenzialità, l’integrazione efficace dell’AI richiede anche considerazioni su sicurezza, trasparenza e governance. Le tecnologie intelligenti saranno usate a prescindere dalla volontà dei leader, quindi è compito di chi guida l’adozione assicurarsi che vengano impiegate in modo responsabile, sicuro e coerente con obiettivi aziendali e umani. Scegliere fornitori che comprendano profondamente il proprio business e che pongano l’essere umano al centro del design dell’AI è un passo fondamentale per eliminare attriti quotidiani e creare ambienti di lavoro dove la tecnologia sostiene, anziché ostacolare, la produttività.