Un intervista a Mirko Modenese, head data science di Humco - A.I. & Cognitive Integrator.
L’Intelligenza Artificiale è un tema ormai ricorrente nelle classifiche dei più importanti trend tecnologici di ogni settore di business.
La sua applicazione pratica, tuttavia, è spesso poco chiara e difficile da immaginare, al punto che in molti casi potrebbe già essere parte della nostra routine lavorativa senza che ve ne sia la consapevolezza.
In questo articolo esploreremo alcune tra le applicazioni più concrete dell’Intelligenza Artificiale nel mondo del lavoro, con un’attenzione particolare per l’ambito HR, un settore in cui la “collaborazione” tra l’essere umano e la sua controparte digitale lascia immaginare scenari futuri molto interessanti.
Per discutere di tutto questo abbiamo contattato Mirko Modenese, head data science di Humco Cognitive Integrator, startup del gruppo Logos Technologies s.r.l., aziende partner di Alloy nei progetti di innovazione tecnologica.
Mirko è un professionista dalla pluriennale esperienza nell’analisi dei dati e nell’applicazione di algoritmi auto apprendenti in ambito industriale e delle scienze applicate, con un importante background accademico che comprende una
laurea in statistica e informatica per l’impresa, un phD in genetic epidemiology & biostatistics, diverse pubblicazioni in ambito scientifico e un passato come senior researcher presso l’EURAC Research di Bolzano.
Buongiorno Mirko, l’Intelligenza Artificiale e le sue applicazioni continuano a destare molto interesse in modo trasversale a qualsiasi area di business. Ci piacerebbe conoscere la tua visione sull’applicazione di questa tecnologia nell’ambito della gestione delle Risorse Umane.
Vorrei innanzitutto dare un chiarimento generale, non sulla più complicata definizione di AI, ma sul suo obiettivo.
Ragionando per complementarietà, il suo scopo non è quello di replicare l’intelligenza umana, piuttosto di riprodurne o emularne alcune funzioni. Questa affermazione dovrebbe essere una madeleine che ci riporta ai processi di apprendimento induttivo e/o deduttivo che ogni essere umano ha seguito per imparare svariate abilità: camminare, parlare, leggere… Abbiamo imparato qualcosa perché qualcuno ce l’ha insegnato. Il medesimo processo di apprendimento lo applichiamo agli algoritmi di apprendimento automatico.
Concretamente, i modelli artificiali che oggi utilizziamo sono frutto di un’osservazione da parte degli scienziati dei processi razionali umani che portano ad una funzione e non alla ricostruzione della ben più complessa e oscura intelligenza, evitando inoltre i necessari riferimenti antropomorfici impliciti.
Secondo questa lettura, possiamo partire da un presupposto: l’AI non è il futuro, ma il presente.
L’AI è una scienza che trova la sua genesi nella prima decade del Secondo Dopoguerra e oggi, grazie agli ingredienti principali (algoritmi, dati e potenza computazionale) che sono finalmente a disposizione, tali applicazioni sono in rapida ascesa nel mondo business.
È una scienza trasversale per settore e funzioni aziendali, erroneamente associata alla sola computer science, ma in realtà fondata su importanti elementi quantitativi (statistica e matematica) e competenze sul dominio di applicazione.
Nell’ambito del Human Resources Management, diverse sono le soluzioni ipotizzate e in parte realizzate: acquisizione di talenti, lo screening dei candidati, l’ottimizzazione dei processi di on-boarding, sino ad arrivare alla gestione HR attraverso processi di fidelizzazione e somministrazione del learning. Funzionano?
Scavando a fondo, come correttamente riassunto dai ricercatori nel paper pubblicato a Febbraio 2021 in The international Journal of Human Resources Management¹, i risultati mostrano che le tecnologie di automazione intelligente costituiscono un nuovo approccio alla gestione dei dipendenti e al miglioramento delle prestazioni aziendali, offrendo così numerose opportunità per la gestione delle risorse umane, ma anche notevoli sfide a livello tecnologico e soprattutto etico.
Aurélie Jean, classe 1982, è la regina francese degli algoritmi tanto da essere indicata nel 2019 da Forbes tra le quaranta donne francesi più influenti. Nel libro “Nel Paese degli algoritmi” (pub. Neri Pozza, gennaio 2021), la dott.ssa Jean esplora i vantaggi e i “lati oscuri” della modellizzazione numerica della realtà.
Tra tutti, emerge lo spettro dei bias algoritmici, vale a dire i pregiudizi cognitivi che caratterizzano la conoscenza umana (razionalità) e che chi progetta le macchine inconsapevolmente trasferisce nei loro meccanismi, al punto da generare discriminazioni inaccettabili.
Un esempio concreto di questi pregiudizi cognitivi è quello di Amazon che, nel 2018, ha progettato un algoritmo per la selezione dei curricula addestrandolo sulle assunzioni dei precedenti dieci anni – in prevalenza maschili – e inducendolo, de facto, a sottostimare il valore dei profili femminili.
Ciò significa che siamo ancora ad uno stato embrionale, strettamente legato a dei caveat etici molto importanti rispetto ad altre funzioni AI che trovano ampio spazio di applicazione pratica e subitanea all’interno delle aziende.
Molti dei progetti software di Alloy ruotano oggi attorno a Gestione della Formazione e Gestione della Conoscenza. Puoi parlarci di quali applicazioni AI riesci a immaginare in questi settori?
Conoscenza e apprendimento sono concetti strettamente connessi. L’apprendimento è un dominio in gran parte governato dall'interazione uomo-uomo. L'assimilazione dell'AI è stata più lenta per sviluppare i necessari attributi umani di ricettività, versatilità e comprensione. Tuttavia, ci sono molte aree in cui i punti di forza intrinseci dell'AI aiutano a colmare "lacune" nell'apprendimento e nell'insegnamento.
La capacità dell'AI di analizzare grandi quantità di dati in tempo reale e di fornire automaticamente nuovi contenuti o parametri di apprendimento specificati aiuta a soddisfare l'esigenza degli studenti di esercitazioni e feedback continui e mirati. Ciò consente agli insegnanti o ai formatori di comprendere meglio le prestazioni dello studente e di orchestrare piani di apprendimento personalizzati più efficaci.
Più pragmaticamente, la forza dell’AI sta nella sua versatilità: cerco di spiegarmi con un esempio concreto.
Immagino che tutti voi, almeno una volta, abbiate utilizzato servizi come Amazon, YouTube o Netflix. Tali strumenti hanno in comune un tools AI che suggerisce all’utente i contenuti in base alla propria esperienza, ai propri gusti, favorendo e suggerendo articoli, filmati o film correlati e che potrebbero essere di interesse. Tali strumenti vanno sotto il nome di suggestion/recommender system. Pensate ora di traslare tale strumento nella piattaforma di formazione, dove il suggerimento di corsi correlati o complementari non si basano su statiche euristiche della programmazione software, condizionate al più da logiche commerciali o randomizzate, ma dagli interessi e dalla predisposizione/interesse dell’utente. Non solo, i suggerimenti di improving competenziale potrebbero provenire da un sistema AI di gestione della conoscenza collaborativo per sopperire al lack of knowledge aziendale.
E se i contenuti fossero in lingua straniera?
Beh, sempre in riferimento a YouTube² o Netflix, davvero pensate che quella mole di sottotitoli sia opera di traduttori in carne e ossa? Ci sono strumenti AI che oggi, oltre a tradurre il parlato in testo scritto (STT speech-to-text), generano il parlato (TTS text-to-speech) e/o traducono simultaneamente (speech-o-speech). Un esempio? APP Google traduttore su smartphone.
Favorire la formazione attraverso gli strumenti AI è volano delle hard & soft skills degli individui, in maniera facilitata, puntuale e proattiva. Non da meno, tali strumenti tengono conto del percorso formativo della persona, misurandone le capacità, disegnando percorsi rafforzativi suggeriti e pesati per step.
Utilizzi lo strumento di traduzione? Potrei suggerirti un corso di lingua straniera.
È sicuramente un argomento emergente quello dell’AIeL (AI in e-learning) dove ciò che ho descritto sopra viene riconosciuto come ITR (intelligent tutoring system). Correlati al mainstream dell’ITR trovano diretta applicazione gli ambienti di valutazione adattiva basati sull’apprendimento³: non valuto il singolo in base a delle rigide matrici di test laboriosamente preconfezionate, ma in base a esami personalizzati, cuciti sulle tue reali competenze e di conseguenza potendo assegnare un punteggio in maniera oggettiva.
Veniamo ora alla gestione della conoscenza. Le aziende sono oggi alle prese con una mole di dati mai vista prima, che spesso non hanno modo di sfruttare per generare un vero vantaggio competitivo.
Le aziende più virtuose in tutto il mondo stanno investendo nella gestione della conoscenza per acquisire e catalogare le competenze dei propri dipendenti, documentare i propri processi aziendali, articolare le proprie procedure operative standard, archiviare i propri registri, catalogare i propri prodotti e acquisire tutte le informazioni relative alla fornitura dei propri servizi.
Ma il knowledge management (KM) non è solo una questione di stoccaggio.
Il paradigma del KM dice che “la conoscenza è al vertice della gerarchia aziendale e i dati in fondo ⁴” – in realtà, ciò che si vede spesso nelle aziende è una corsa al miglior sw documentale (mero stoccaggio e ricerca). Il KM è ben altro: è valore.
Cos’è il valore? In termini contabili, il valore si può definire come la differenza tra il costo e il prezzo di un prodotto o servizio: la differenza tra ciò che si paga per realizzare un prodotto o servizio e ciò che si paga per utilizzarlo. Questa differenza non è soltanto contabile, naturalmente, perché implica, da un lato, la valutazione dell’ecosistema produttivo, la sua cultura e la motivazione delle persone che ci lavorano; e, dall’altro lato, il sistema di preferenze e la capacità di riconoscere la qualità delle persone che devono adottare un prodotto o servizio nella loro vita. In questo senso, oltre al valore monetario entra in gioco un intero sistema culturale, compresi i valori sociali e ambientali che caratterizzano una popolazione.
Nell’economia della conoscenza, il valore si concentra sull’immateriale che i prodotti e i servizi propongono: il contenuto di ricerca e di design, il senso del messaggio che i prodotti propongono e tutta la struttura logica e logistica dell’organizzazione che mette in comunicazione chi offre e chi compra. Il valore dei valori si mostra ancora più chiaramente nella dimensione dell’economia della felicità.
L’apporto di valore della comunicazione di conoscenza si concretizza nelle piattaforme con le quali le persone si parlano, operano transazioni e decidono insieme. Ne emerge l’impressione di una intelligenza collettiva ⁵, o intelligenza connettiva, che a sua volta si avvale di intelligenza artificiale e dati. Come? Man mano che la base di conoscenza di un'organizzazione cresce, la ricerca è una componente vitale per fornire contenuti pertinenti quando i dipendenti effettuano ricerche utilizzando poche parole chiave. Uno strumento di AI può utilizzare l'elaborazione del linguaggio naturale (NLP, natural language processing) e algoritmi basati su grafi per fornire contenuti pertinenti basati su parole chiave. Oltre a ciò, l'analisi del testo può generare automaticamente tag rilevanti (parole chiave) per ogni contenuto della knowledge base e questo amplifica i motori di ricerca basati sull'AI per portare contenuti pertinenti. Ciò consente a ciascun dipendente di trovare le informazioni giuste al momento giusto.
Tutto qua? Certo che no… Se l’algoritmo di AI non riesce a trovare articoli pertinenti in base ai termini di ricerca, può avvisare in modo proattivo i creatori di contenuti per colmare il vuoto di conoscenza. Questo approccio consente di affrontare rapidamente le aree del gap del knowledge, garantendo che tutte le conoscenze aziendali rimangano aggiornate con l'evoluzione del business. L'agilità e la continuità aziendale vengono continuamente monitorate e migliorate grazie alla ricerca basata sull'AI.
Legandoci alla creazione di contenuti quale attività principale del KM, l’AI può assistere l’utente nella scrittura e nell’arricchimento di tali informazioni, sino a suggerire la formattazione più corretta per migliorare la leggibilità del documento in base a regole semantiche e tipografiche. Un algoritmo di AI può anche avvisare le parti interessate pertinenti (collaborazione) di rivedere e revisionare periodicamente i contenuti per garantire che le conoscenze siano aggiornate.
La collaborazione e la reperibilità delle informazioni, inoltre, può essere facilitata dai cosiddetti assistenti virtuali (o chatbot): essi possono dialogare con i dipendenti, migliorando la user experience perché in grado di avere conversazioni significative.
Diverse le soluzioni AI che, messe a sistema, ottimizzano il concetto di KM descritto da Bencerra-Fernandez.
Mirko, grazie per questa chiacchierata che ci ha permesso di esplorare le potenzialità dell'AI applicata ad alcuni dei nostri settori di riferimento.
Lasciamo a te un pensiero conclusivo:
Come già detto poc’anzi, gli investimenti nel settore dell’AI da parte di USA e Cina galoppano rispetto alla realtà europea. Sta a noi decidere quale posizione vogliamo nel mercato globale. Gli strumenti sono disponibili, facilmente perseguibili per i budget di una PMI e dal rilevante valore competitivo.
Mirko Modenese è head of Data Science presso Humco - A.I. & Cognitive Integrator
Humco nasce da un’esperienza del gruppo Logos Technologies, realtà che da più di vent’anni opera nei settori IT- TLC con due Datacenter di proprietà. Tra il 2016 e il 2017 Logos, in collaborazione con il dipartimento di Ingegneria dell’Informazione dell’Università di Padova, sviluppa un caso di applicazione AI per il bike sharing della città di Milano e decide di dare la genesi ad una BU dedicata. Nel 2019 viene costituita Humco (www.humco.it), realtà giuridica a sé stante che opera nell’ambito della Data Science e AI.
La metodologia di analisi dei dati di Humco è oggi applicata in diversi settori, fra cui il forecast in ambito GDO, Ho.Re.Ca. e retail, la predizione del difetto in produzione, la Predictive Maintenance, nonché nell’ambito HealthCare di prestigio (World Health Organization, modelli epidemiologici avanzati per la pandemia Covid – Ospedali di Modena).
¹ [Artificial intelligence, robotics, advanced technologies and human resource management: a systematic review, di Demetris Vrontis and Michael Christofi and Vijay Pereira and Shlomo Tarba and Anna Makrides and Eleni Trichina, pp 1-30, 12/02/2021, The International Journal of Human Resource Management]
²Su YouTube vengono caricati ogni minuto 500 ore di video (Tubefilter 2019), cioè 30000 ore di video l’ora, 720000 ore ogni giorno. Per capirci, impieghereste 82 anni della vostra vita per vedere i video caricati in un giorno.
³Kai-Yu Tang, Ching-Yi Chang & Gwo-Jen Hwang (2021) Trends in artificial intelligence-supported e-learning: a systematic review and co-citation network analysis (1998–2019), Interactive Learning Environments
⁴Becerra-Fernandez, I., Sabherwal, R., (2010). Knowledge Management: Systems and Processes. M.E. Sharpe Inc., Armonk, New York, USA
⁵Il sistema decisionale di un gruppo è stato studiato da Tom Malone riferendosi al concetto di intelligenza collettiva. Un saggio importante è il suo Superminds. The Surprising Power of People and Computers Thinking Together (One
World Book 2018).