Nel contesto della società della conoscenza, in cui paradossalmente diventa quasi impossibile per una persona essere costantemente aggiornata su quanto avviene nel suo settore, un uso opportuno dell’intelligenza artificiale permetterà non solo fruire di conoscenze distribuite ma anche di creare nuove conoscenze, in una spirale virtuosa che favorirà quelle aziende che sapranno far leva sui dati e creerà nuovi metodi didattici e di apprendimento.
Un futuro in cui le conoscenze personali saranno sdoppiate nei nostri digital twin e sarà sempre più richiesta la capacità di lavorare in team misti, uomini/macchine, come recentemente affermato anche dalla responsabile HR di Intel che, in una tavola rotonda in cui si parlava del futuro del lavoro, ha affermato che “tra le caratteristiche maggiormente richieste nella prossima decade vi sarà quella di aver capacità di lavorare in team misti, composti da persone e macchine/IA”.
Cambiamenti epocali di cui sta prendendo coscienza anche il mondo accademico, come ben sintetizzato nel discorso che il rettore dell’Università di Rotterdam ha tenuto in apertura della cerimonia di laurea di mio figlio: “abbiamo come università una sfida di fronte a noi. Non ci è più richiesto di insegnare conoscenze ai ragazzi ma di insegnare come acquisire conoscenze e come applicarle”.
La difficoltà di restare aggiornati
In effetti se osserviamo la crescita di dati si vede un raddoppio nella loro produzione ogni anno (il che significa che ogni nuovo anno produciamo una quantità di dati superiore a quella creata in tutti gli anni precedenti messi insieme) e, ancora più significativo, abbiamo una crescita di informazioni (dati che servono a qualcosa, a qualcuno) che ormai ha superato la capacità di acquisizione del singolo.
Vi sono talmente tanti articoli (1,8 milioni di articoli scientifici pubblicati ogni anno, fonte FutureEarth) e tanti canali di pubblicazione (basti pensare ai 20.000 blog in aree scientifiche, una pubblicazione ogni 2 secondi) che è difficile arrivare ad un numero preciso. Questi articoli oggi sono letti per il 50% solo da chi li scrive e chi fa la revisione, solo il 10% viene citato da altri (e questo numero è inflazionato dalla regola perversa che attribuisce valore alla citazione per cui si è visto crescere di 7 volte il numero delle citazioni per articolo negli ultimi 25 anni – fonte Wall Street Journal).
Si noti come il valore informativo di molti di questi articoli è inferiore al valore informativo che si potrebbe estrarre considerando gli articoli che vengono rifiutati in quanto per ciascuno di questi viene fornita, da esperti del settore, la motivazione su cosa non va bene in quell’articolo. IEEE, associazione che aggrega circa 460.000 tecnici/scienziati/accademici riceve ogni anno milioni di articoli e di questi ne pubblica un 20% ma effettua il peer-review (analisi critica) su tutti. Andando ad utilizzare le informazioni associate a quelli che sono rifiutati si potrebbe estrarre una enorme quantità di conoscenze.
Il tempo di obsolescenza della conoscenza
Questi volumi significano che diventa impossibile per una persona essere costantemente aggiornata su quanto avviene nel suo settore. Nel 1990 il tempo di acquisizione medio di conoscenza nei settori scientifici era stimato intorno ai 4 anni mentre il tempo di obsolescenza era intorno ai 10 anni (con tempo di obsolescenza si intende la perdita del 50% di valore delle conoscenze possedute – fonte Knight). Questo rapporto tra tempo richiesto per apprendere e periodo in cui quell’apprendimento perde valore sta cambiando rapidamente. Oggi, in alcuni settori, il tempo di apprendimento supera il tempo di obsolescenza: questo significa che diventa impossibile restare aggiornati!
Ovviamente non tutti i settori sono uguali: secondo Shùppel il tempo di obsolescenza nel settore IT è ormai intorno a 2 anni (1 anno nel settore security) la media nei settori tecnologici (incluso medicina) è intorno ai 3 anni.
Il ruolo dei digital twin
E’ evidente che si sia di fronte ad un problema. Occorre migliorare la fase di apprendimento e trovare un modo di contrastare l’obsolescenza.
Sul versante apprendimento si iniziano a considerare (e sperimentare) tecnologie innovative sia nelle modalità di erogazione dei contenuti (con una crescente attenzione a personalizzazione e contestualizzazione) sia nella identificazione delle conoscenze da “aggiornare”.
In questo ambito giocheranno un ruolo primario i digital twin. L’idea è quella di creare, così come oggi già si fa per le macchine (si pensi alle turbine di General Electric o alle auto di Tesla), una copia digitale, il digital twin, delle conoscenze della persona (a differenza di una macchina la copia delle conoscenze umane deve acquisire le conoscenze che vengono acquisite ma anche essere in grado di monitorare quelle che vengono, nel tempo, scordate!). Questa copia digitale diventa il punto di partenza per lo sviluppo di servizi di education da parte di molti attori, incluso l’area HR della azienda per cui si lavora. In prospettiva non si avrà più un curriculum da sottoporre per una assunzione ma si manderà il proprio digital twin a negoziare posto, attività e ovviamente remunerazione. Il digital twin inizierà ad essere sviluppato nel percorso scolastico e sarà il digital twin, in sostanza, a sostenere gli esami! Una bella notizia che eviterebbe lo stress da esame ma al contempo crea lo stress da “sapere”: se non sai non passi.
Digital twin e proprietà della conoscenza
Il digital twin diventa fondamentale nella pianificazione dell’aggiornamento. Su questo versante abbiamo due attori interessati: la persona stessa, ovviamente, e il suo datore di lavoro. Mentre la persona è verosimilmente interessata a migliorare le sue conoscenze sia per far meglio il lavoro attuale/in arrivo sia per trovare sbocchi alla sua crescita professionale il datore di lavoro è probabilmente più interessato al primo aspetto che non a preparare la persona a trovarsi un nuovo lavoro.
Un aspetto non secondario legato al digital twin è quello della proprietà della conoscenza. Oggi molte aziende impongono che la conoscenza sviluppata dai loro collaboratori resti in azienda (non disclosure agreement) e sia di proprietà dell’azienda stessa. Con il digital twin le cose si complicano. L’azienda gestisce (in software sui suoi sistemi) il digital twin dei collaboratori e attraverso applicazioni software (l’intelligenza artificiale qui ci va a nozze) determina la distribuzione delle conoscenze attuali e future (e quindi i piani di investimento mirati per aggiornare la conoscenza dei singoli) e forma i team di progetto sulla base delle conoscenze distribuite.
Le criticità
Fin qui sembra tutto abbastanza lineare. In realtà questo meccanismo apre le porte, dal punto di vista aziendale, alla gestione integrata delle conoscenze. Si noti che il punto cruciale è che il digital twin non è un cv in cui c’è scritto che una persona sa una certa cosa, bensì una sorta di avatar che “sa” fare quella cosa. Quindi, estremizzando, a una azienda potrebbe essere sufficiente avere il digital twin e lasciare a casa il physical twin, cioè noi come persone. E’ chiaro che una rappresentazione virtuale ha poco valore se non può essere convertita in azione (execution). Ma per questo potrebbero esserci i robot. Il mio digital twin potrebbe essere utilizzato per addestrare un robot a fare le cose che so fare io. Questa è chiaramente una dirompenza che dovrà essere gestita.
Una azienda potrà mantenere (e utilizzare) il digital twin di un suo collaboratore nel momento in cui questo dia le dimissioni (o vada in vacanza, in pensione…)? Sarà permesso trasferire conoscenza da un digital twin ad un robot?
Un futuro di team uomo-macchine
Rethinking Robotics, la produttrice del robot Baxter, è arrivata alla terza generazione di robot e si sta avviando a rilasciare la quarta. La prima generazione consisteva di robot che potevano interagire con i lavoratori senza alcuna misura di protezione (non erano quindi necessarie barriere), nella seconda generazione il lavoratore insegnava a Baxter come effettuare una certa azione prendendogli la “mano” e facendogliela fare in modo guidato. La terza generazione, oggi disponibile, vede Baxter osservare quanto stanno facendo i suoi collaboratori umani e imparare da questo per lavorare nel team. Non ha quindi più bisogno di essere addestrato.
Nella quarta generazione l’obiettivo e di creare dei team misti robot-persone che insieme siano in grado di trovare l’approccio migliore a raggiungere un certo obiettivo. Baxter 4.0 sarà quindi in grado di continuare ad imparare ma anche di insegnare ai suoi collaboratori umani osa devono fare. In questa evoluzione si vede chiaramente la motivazione espressa all’inizio dell’HR di Intel di richiedere ai futuri collaboratori la capacità di lavorare in team misti, uomini/macchine.
Il futuro vedrà necessariamente una conoscenza distribuita e l’execution sfrutterà questa conoscenza distribuita. La novità è che molto più di oggi gran parte di questa conoscenza sarà contenuta in macchine.
I nuovi approcci alla conoscenza distribuita
Unanimous AI, una start up americana, mette a disposizione di medici un servizio di conoscenze fruibile in tempo reale in cui la conoscenza è costruita da persone e da “macchine”. Medici sparsi in tutto il mondo condividono la loro conoscenza (il loro digital twin) e un collante di intelligenza artificiale provvede a rendere accessibile queste conoscenze integrandole con le conoscenze derivate, attraverso machine learning, dalla consultazione di milioni di articoli, entro pochi secondi dal momento in cui questi vengono resi disponibili su internet. Il singolo medico in presenza di un paziente con sintomi/esami dubbi può far ricorso a questa conoscenza come se parlasse ad un suo collega per una consultazione. Il progresso nel settore della comprensione del parlato e nella sintesi vocale rende naturale questa interazione uomo-macchina.
Unanimous AI è un esempio di un nuovo approccio alla conoscenza distribuita reso possibile dai progressi della intelligenza artificiale.
Dicevo all’inizio come uno degli aspetti critici sia quello di erogare la conoscenza richiesta al momento più opportuno. Di nuovo l’intelligenza artificiale può fornire gli strumenti che analizzando (interagendo con) il digital twin identificano le lacune di conoscenza rispetto a quanto serve (servirà a breve) e confezionano pillole di conoscenza in modo efficacemente fruibile. Su questa linea (pillole di conoscenza) stiamo vedendo l’evoluzione che trasforma i corsi in micro-corsi. In una iniziativa congiunta IEEE EIT Digital si sta sviluppando un corso sulla Digital Transformation che in realtà consiste di 108 moduli che possono essere aggregati a piacere a seconda delle necessità specifiche e quindi personalizzati nel contenuto e forma di erogazione.
Conoscenza e intelligenza cooperativa
Una ulteriore evoluzione sarà quella di passare da una conoscenza distribuita all’emergere di conoscenza (e intelligenza) cooperativa, cioè risultante dalla interazione tra vari punti di conoscenza e di messa a valore di tale conoscenza (si impara molto attraverso una osservazione critica di quello che si fa e relativi risultati).
Abbiamo dichiarato da tempo che stiamo andando verso (o addirittura siamo) la società della conoscenza dove i dati sono la nuova materia prima e la conoscenza il nuovo oro. Attraverso un opportuno uso dell’intelligenza artificiale si potrà non solo fruire di conoscenze distribuite ma creare nuove conoscenze in una spirale virtuosa che ovviamente favorirà quelle aziende che sapranno far leva sui dati (ed ovviamente qualcuna, non volendo fare nomi) parte con un enorme vantaggio.
Si noti, tuttavia, che in un contesto di conoscenze massicciamente distribuite ed accessibili diventa possibile sviluppare servizi anche per chi non ha fisicamente il repository (la banca dati) purché abbia l’accesso.
Il concetto di flipped classroom prenderà sempre più piede, io come persona imparo attraverso l’accesso a contenuti, micro corsi, presenti nel web e che identifico tramite servizi di aggiornamento specifici per me, poi partecipo a delle classi (spesso virtuali) per discutere l’applicazione di quelle conoscenze. L’interazione non avviene, come è stato fino ad oggi, per imparare, ma per mettere in pratica quanto ho imparato.
Le macchine avranno più conoscenza di noi (già oggi è così) ma entrando in simbiosi con loro continueremo ad essere noi a guidare l’execution.
