04 Mag AI e Lean Management: rimettere l’uomo al centro
Quando si parla di Intelligenza Artificiale, il pensiero corre immediatamente ai grandi modelli generativi, ChatGPT, Gemini, Grok, che hanno trasformato il modo in cui milioni di persone lavorano, studiano e risolvono problemi ogni giorno. Ciò che rende celebri tali Foundation Models non è solo la loro potenza computazionale e l’essere user friendly, ma il cambio di paradigma che incarnano: per la prima volta, è possibile dialogare con una macchina nella propria lingua naturale, come se si stesse parlando con un vero e proprio interlocutore umano.
Il risultato è che l’Intelligenza Artificiale ha smesso di essere appannaggio esclusivo degli informatici per diventare uno strumento accessibile a chiunque. Nella vita quotidiana, questo si traduce in ricerche rapide, traduzioni istantanee, sintesi di documenti complessi, generazione di testi, insomma, qualsiasi sia il problema da affrontare, l’AI è lì pronta ad assisterci. Tuttavia, è nella dimensione organizzativa che il potenziale della GenAI diventa davvero interessante e dove i quesiti più sfidanti iniziano a emergere.
L’AI contro lo spreco di capacità umane
L’utilizzo dell’AI per migliorare l’efficienza e l’efficacia delle proprie attività non è un qualcosa di utopico, anzi, nell’ultimo periodo si è prestata molta attenzione agli studi inerenti alla combinazione di tali strumenti alle teorie gestionali, come il Lean Management. In particolar modo, una delle ipotesi più discusse è quella riguardante la possibilità di eradicare, attraverso sistemi di Intelligenza Artificiale, l’ottavo Muda della Gestione Snella, ovvero, lo spreco di capacità umane, in inglese, Wasting Of Human Skills.
Quando all’interno di un’organizzazione le persone non riescono a esprimere appieno le proprie competenze, capacità ed esperienze, avviene una vera e propria perdita di capitale umano, specialmente a livello di soft skills. Rispetto agli altri sette Muda, le cause di questa tipologia di spreco sono spesso meno visibili, ma estremamente dannose. Come mai? Leadership incapace di ispirare e guidare il team verso un traguardo comune, nonché istruzioni poco chiare che rendono difficile, o quasi impossibile, comprendere gli obiettivi dei task e i KPI da raggiungere. Non valorizzare, o peggio, ignorare i suggerimenti dei dipendenti può risultare un altro punto dolente, un’altra causa della generazione di Muda.
Le casistiche appena citate rappresentano, però, solo la punta di un iceberg ben più profondo. Riflettendo, ciascun componente dell’organizzazione possiede un background unico, un livello di istruzione, esperienze pregresse diverse, un carattere personale che lo contraddistingue dagli altri. È quindi la natura stessa dell’uomo a renderci così inefficienti e inefficaci. Tuttavia, il tema della gestione delle risorse umane è fondamentale per le organizzazioni, in quanto il potenziale umano è riconosciuto come un vero e proprio vantaggio competitivo.
La gestione strategica dei talenti implica identificare e massimizzare le capacità e le competenze dei lavoratori, sottolineando così l’importanza di riconoscere e utilizzare l’intera gamma di diversità, competenze e creatività apportate dai dipendenti, piuttosto che limitarli a una serie ristretta di compiti.
L’AI può colmare il gap?
Se l’intelligenza artificiale ha già dato parvenza di poter efficientare i processi aziendali legati ai sette sprechi tradizionali, è lecito chiedersi se possa estendersi anche all’ottavo. Per rispondere, occorre prima definire di quali competenze si stia parlando.
Sulla base del modello Transversal Skills and Competences, sviluppato dall’ESCO Working Group, il sistema europeo di classificazione delle competenze, è possibile individuare quattro macro-categorie di soft skills trasversali a qualsiasi contesto lavorativo: thinking skills (creatività, pensiero critico, problem solving), social and communication skills, self-managed skills e physical and manual skills.
Le thinking skills
È sulla prima categoria, le thinking skills, che la GenAI mostra il potenziale più interessante. Dunque, ad esempio, come si potrebbe essere più creativi utilizzando i modelli di Generative AI a nostra disposizione? A tal proposito, nel 2024, i ricercatori Anil Doshi e Oliver Hauser hanno condotto uno studio empirico dal titolo “Generative AI enhances individual creativity but reduces the collective diversity of novel content”. L’esperimento ha coinvolto 293 partecipanti, divisi in tre gruppi: uno che lavorava senza supporto esterno, uno che poteva ricevere un singolo spunto generato da GPT-4 e un terzo che aveva accesso fino a cinque idee generate dall’AI. I partecipanti erano invitati a scrivere brevi racconti, successivamente valutati da lettori indipendenti secondo tre dimensioni della creatività: originalità, utilità e capacità di sorprendere, oltre ad altre caratteristiche emotive. I risultati sono illuminanti. L’uso della GenAI ha aumentato significativamente la qualità creativa dei lavori, con un effetto più marcato nei partecipanti che avevano accesso a più suggerimenti.
Ma il dato più interessante riguarda la distribuzione del beneficio: l’AI non ha migliorato le prestazioni di chi era già ad alti livelli creativi, ma ha prodotto un effetto trasformativo su chi partiva da una base più bassa. In altre parole, la GenAI ha agito da equalizzatore cognitivo, riducendo il divario tra chi possiede competenze più sviluppate e chi ne ha di meno. Letto attraverso la lente del Lean Management, questo risultato è di straordinaria rilevanza: se l’intelligenza artificiale è in grado di democratizzare le competenze creative, allora può diventare uno strumento potente per ridurre, se non eliminare del tutto l’ottavo spreco, almeno nella sua dimensione legata alle thinking skills.
Non è tutto oro quello che luccica
Lo stesso studio di Doshi e Hauser rivela un effetto collaterale significativo. Se da un lato i racconti prodotti con il supporto dell’AI erano individualmente più creativi, dall’altro risultavano sorprendentemente simili tra loro: alta originalità nei contenuti, ma bassa diversità nella struttura e nell’impostazione narrativa. In poche parole, era sempre la solita frittata, ma rigirata in modo creativo. Questo fenomeno non è casuale.
Il professor Luciano Floridi, filosofo e fondatore del Digital Ethics Center presso l’Università di Yale, ha formulato una congettura fondamentale. Con la celebre pubblicazione “A conjecture on a fundamental trade-off between certainty and scope in symbolic and generative AI”, Floridi teorizza l’esistenza di un vincolo strutturale nei modelli di AI generativa che impedisce di massimizzare simultaneamente la certezza epistemica, ovvero la precisione e la correttezza degli output, e la portata operativa, cioè la capacità di operare su domini di conoscenza vasti e non strutturati. In termini pratici, più si chiede a un modello di AI di ragionare in modo ampio e generalista, più aumenta il rischio di risposte imprecise, semplificate o ripetitive. Questo vincolo è legato al meccanismo di apprendimento dei modelli: ogni algoritmo di AI ottimizza i propri parametri minimizzando l’errore sulle previsioni (loss function), producendo output che tendono al centro della distribuzione di probabilità, ossia, soluzioni plausibili ma raramente eccezionali o divergenti.
Lorenzo Missaglia*
*MEGSI – Master in Economia e Gestione degli Scambi Internazionali, Università Cattolica del Sacro Cuore di Milano: questo articolo è un estratto della tesi “Integrazione di strumenti di intelligenza artificiale nei processi di Lean management”
Estratto dell’articolo pubblicato completo sul numero di Aprile 2026 de Il Giornale della Logistica
L’articolo AI e Lean Management: rimettere l’uomo al centro sembra essere il primo su Il Giornale delle Logistica.
Sorgente notizia: https://www.ilgiornaledellalogistica.it/ Vai al post originale
