Il boomerang dell’IA: tagliare prima e misurare dopo costa il doppio

Ecco un test semplice per qualsiasi annuncio di «efficienza grazie all’IA»: l’azienda ha misurato che cosa facevano davvero le persone che ha tagliato, prima di tagliarle? A giudicare dalla crescente ondata di riassunzioni, molte non l’hanno fatto.

Ormai il fenomeno è difficile da ignorare. Testate come Actualidad RT parlano di «boomerang dell’IA»: aziende che richiamano i dipendenti che avevano sostituito con l’intelligenza artificiale. Klarna è l’esempio da manuale più noto. Come racconta Mundiario, la fintech ha puntato molto sull’automazione dell’assistenza clienti e in seguito ha ripreso ad assumere, dopo aver riconosciuto i limiti di quell’approccio. Lo stesso articolo cita una previsione di Gartner secondo cui, entro il 2027, metà delle aziende che hanno ridotto il personale dando la colpa all’IA riassumerà per ruoli analoghi.

Quest’ultimo dato va preso per quello che è: una previsione, non un risultato. Alcuni dei sondaggi in circolazione, come quello secondo cui fino al 55% dei datori di lavoro si pente dei licenziamenti dovuti all’IA, provengono da pagine senza data che non siamo in grado di verificare bene. La direzione, però, è coerente tra le varie fonti.

L’errore non è stato usare l’IA, ma togliere prima le persone

Non crediamo che questa storia dimostri che l’IA non funziona. Dimostra un errore di sequenza. Un’adozione sensata segue quest’ordine: mappare il lavoro, automatizzare ciò che regge, misurare la qualità e solo dopo decidere di quante persone c’è bisogno. Molte aziende sembrano aver fatto l’opposto. Hanno messo a bilancio i risparmi nel comunicato stampa e lasciato le prove a più tardi.

Il segnale sta in ciò che di solito sparisce insieme agli organici. L’analisi di Mundiario indica la perdita delle conoscenze accumulate: i dipendenti esperti sanno come si comportano i clienti, individuano i problemi prima che si aggravino e gestiscono i casi particolari. Un modello può rispondere a centinaia di richieste in pochi secondi, ma può anche inventare informazioni o ripetere una decisione sbagliata su larga scala. E quando le persone che intercetterebbero quegli errori se ne sono andate, un errore smette di essere un ticket e diventa una perdita economica, un reclamo o un danno di reputazione.

È questo il doppio pagamento della tesi. Prima si paga il taglio e il disordine che provoca. Poi, a nostro avviso, si paga di nuovo per selezione, riqualificazione e per la fiducia dei clienti persa lungo la strada.

Il business case era più fragile di quanto i consigli di amministrazione ritenessero

C’è un motivo per cui la logica del taglio preventivo era seducente. Secondo una seconda analisi di Mundiario, il 77% dei consigli di amministrazione si aspetta che l’IA riduca i costi, mentre il 38% delle aziende ha già superato il budget di implementazione. Integrazione, manutenzione, infrastruttura e supervisione umana possono assorbire buona parte dei risparmi promessi. Se si mette a bilancio subito il taglio del costo del lavoro ma il conto dell’IA arriva dopo ed è più salato, i numeri si ribaltano.

La nostra lettura: i licenziamenti erano l’unica voce del business case dell’IA che fosse immediata e certa, e così sono diventati l’intero business case. Tutto il resto, qualità e tassi di errore compresi, è stato dato per scontato.

Scettici in entrambe le direzioni

Due avvertenze. Primo, non ogni licenziamento attribuito all’IA riguarda davvero l’IA. Lo stesso Mundiario osserva che anche costi, ristrutturazioni e congiuntura economica pesano, e che l’aspettativa su ciò che l’IA farà domani viene spesso usata per giustificare il taglio di posti che oggi contano ancora. Spacciare per IA un normale taglio dei costi è comodo, e il boomerang potrebbe essere in parte lo sgretolarsi di questa narrazione.

Secondo, riassumere non è un giro d’onore per i lavoratori. Uno studio di Stanford citato nello stesso articolo ha rilevato che l’occupazione dei giovani tra i 22 e i 25 anni nelle professioni più esposte all’IA è inferiore del 19% rispetto alla traiettoria che avrebbe altrimenti seguito, anche se i ricercatori non hanno trovato prove di una distruzione di posti di lavoro a livello dell’intera economia. Il danno sembra dunque concentrato ai livelli di ingresso, proprio dove si forma il giudizio che le aziende ora dicono di rimpiangere. Riassumere i veterani chiudendo la porta d’ingresso ai junior non fa che rimandare lo stesso problema.

Il nostro verdetto

Se guidi un’azienda, considera l’organico come l’ultima variabile da toccare, non la prima. Fai dei progetti pilota, misura gli errori e i risultati con i clienti, tieni le persone che sanno dove il modello sbaglia e taglia solo ciò che i dati hanno già dimostrato essere ridondante. Se sei un dipendente, non leggere il boomerang come una garanzia di posto; leggilo come un indizio di dove sta il tuo valore. Le persone in grado di verificare ciò che produce l’IA sono, crediamo, quelle di cui le aziende scopriranno di non poter fare a meno.

La tecnologia continuerà a migliorare e alcuni di quei ruoli probabilmente scompariranno per sempre. Ma «la qualità la vediamo dopo» si è rivelato un modo costoso per scoprire quali.