Le tecnologie AI e il complesso rapporto con l’uomo

Date le attuali tecnologie e le loro potenzialità conosciute e dimostrate a oggi, sono poche le occupazioni che si prestano a essere automatizzate completamente (meno del 5%). Tuttavia, qualsiasi tipo di lavoro è soggetto a una automazione parziale ed è partendo da questa considerazione che nel report A Future That Works: Automation, Employment and Productivity, realizzato da McKinsey Global Institute – MGI (un report di 148 pagine, disponibile sul sito del World Economic Forum di Davos, dove è stato ufficialmente presentato nello scorso gennaio), si stima che circa la metà dell’attuale forza lavoro possa essere impattata dall’automazione grazie alle tecnologie già note e in uso oggi. Una conclusione cui l’istituto di ricerca di McKinsey è giunto attraverso un’indagine certosina e imponente che ha visto la mappatura e l’analisi di oltre 2mila attività lavorative svolte in oltre 800 tipologie di occupazione nell’economia degli Stati Uniti [lavoro dal quale ne è emerso un format ed una metodologia che hanno poi consentito alla società di ricerca di mappare altre 45 economie mondiali arrivando quindi a fotografare complessivamente l’80% di tutta la forza lavoro mondiale – ndr]. Per analizzare le potenzialità (positive o negative) dell’automazione sull’economia globale, MGI ha ‘disaggregato’ le occupazioni in differenti attività che le persone svolgono e per le quali sono pagate. Ne è emerso che ciascuna di queste attività (2mila, come anticipato, quelle identificate) richiede una combinazione di 18 differenti abilità e competenze che l’istituto ha riassunto in 5 gruppi (figura 1):

1. percezione sensoriale;
2. capacità cognitive;
3. comprensione del linguaggio naturale (NLP – Natural Language Processing)
4. capacità sociali ed emotive;
5. abilità fisiche.

Considerando l’avanzamento tecnologico, che negli ultimi 5 anni ha raggiunto notevoli livelli di maturità, soprattutto sul fronte della sensoristica, delle capacità cognitive, dell’intelligenza artificiale e della robotica (tanto da essere già oggi tradotto in soluzioni industrializzate in uso nelle aziende), è abbastanza comprensibile la portata delle previsioni di McKinsey: “Oltre il 60% delle attuali occupazioni può raggiungere, già oggi, un 30% e più di automazione tecnologica” (figura 2). Tre le categorie di attività che sicuramente hanno un elevato potenziale di automazione (figura 3):

• la raccolta dei dati;
• la loro elaborazione;
• l’esecuzione di attività fisiche manuali o l’operatività dei macchinari impiegati in ambienti produttivi ‘prevedibili’ (per esempio nelle linee di montaggio, già oggi caratterizzati da un elevato livello di automazione, oppure dove sono previste attività di saldatura o di taglio, piegatura, ecc.).

L’insieme di queste tre categorie di attività copre circa il 51% delle ore lavorative complessive [il dato si riferisce solo agli Stati Uniti – ndr] e, in termini economici, equivale a 2,7 trilioni di dollari di stipendi [a livello globale, l’automazione tecnologica ‘tocca’ circa 1,2 miliardi di lavoratori e 14,6 trilioni di dollari di stipendi – ndr]. È evidente che i numeri cambiano a seconda della tipologia di ‘economia’ su cui si basa un paese e, quindi, che gli effetti delle tecnologie e dell’automazione della forza lavoro possono essere differenti da nazione a nazione oltre che in relazione ad alcuni fattori che, come abbiamo visto ne condizionano il “passo” di attuazione; tuttavia, dal report di MGI emergono alcune interessanti considerazioni rispetto alle potenzialità delle tecnologie che, invece, sono comuni a tutti i paesi.

Le tecnologie che accelerano il processo

Date queste premesse, vediamo allora quali sono, in dettaglio, le tecnologie che stanno accelerando il passo del processo di automazione della forza lavoro, riassumendole, per maggiore chiarezza, nelle stesse 5 categorie che racchiudono le differenti 18 abilità e competenze mappate da MGI e identificando per ciascuna di esse il livello di performance raggiunto a oggi rispetto alle abilità dell’uomo.

1. Sensoristica. La percezione sensoriale ‘tecnologica’ (sviluppata quindi da una macchina e non da un essere umano) indica l’abilità di dedurre e comprendere un ambiente circostante mediante dei sensori (hardware) e l’analisi dei dati che questi generano (software). Oggi la tecnologia include avanzati sistemi di percezione visuale, sensori audio e tattili che generano dati la cui analisi integrata permette, per esempio ai robot, di agire nel mondo fisico; tuttavia, rispetto all’abilità dell’uomo, l’attuale livello di percezione sensoriale raggiunto dalle macchine è valutato da McKinsey come ‘medio’ (cioè i sensori artificiali raggiungono prestazioni che in un uomo stabiliremmo di livello medio). Un robot cosiddetto ‘linguetta’ (tongue, perché riproduce alcuni sensi come il gusto) è già in grado di rilevare l’indice di colore e il contenuto alcolico di una birra con una precisione dell’80%, per esempio; ma se analizziamo altri ‘sensi’, la sfida diventa più complessa. La percezione tattile dell’uomo è a oggi quella più complicata da ‘replicare’ artificialmente: la ricerca tecnologica sta lavorando nella direzione della miniaturizzazione dell’hardware (dove entrano in gioco le nanotecnologie e la scienza dei materiali) e dell’adattamento dei sensori affinché possano funzionare in ambienti diversi.– Il rapporto uomo-macchina: nelle attività dove è richiesto un certo livello di ragionamento e logica (anche minimo), le tecnologie relative alla percezione sensoriale non avranno significativi impatti sulla forza lavoro. Gli scienziati che hanno lavorato al report stimano un miglioramento delle abilità dei sensori (tra il 25 ed il 50% delle performance rispetto a quelle umane) in un lasso di tempo che va da 2 a 8 anni (per raggiungere il top, cioè almeno il 75% delle prestazioni, serviranno ancora parecchi anni). A oggi sembra improbabile che gli strumenti hardware e software possano raggiungere al 100% le capacità umane. La percezione sensoriale è una delle tre abilità umane più ‘critiche’ nello svolgimento del lavoro, preceduta dalla capacità di riconoscimento dei modelli (fondamentale per la percezione di immagini, suoni, ecc. e nella correlazione delle informazioni) e dall’attitudine naturale della generazione del linguaggio.
2. Sistemi cognitivi. All’interno di questa categoria rientrano molteplici sistemi tecnologici le cui funzionalità vanno dal ‘recognizing known pattern’ (riconoscimento di modelli) al ragionamento logico e la soluzione dei problemi utilizzando informazioni contestuali e variabili di input sempre più complesse. Variabili e input che vengono rispettivamente ottimizzate e pianificati per raggiungere gli obiettivi specifici indicati rispettando vari vincoli: la creazione di idee diverse e nuovi prodotti o una nuova combinazione di idee; il recupero delle informazioni (ricerca e recupero di dati provenienti da una vasta gamma di fonti); il coordinamento con più ‘agent’ che coinvolge l’interazione con altre macchine e con gli esseri umani per coordinare attività di gruppo… Rispetto alla percezione sensoriale, il livello di maturità dei sistemi cognitivi artificiali è già molto avanzato (si trova nel cosiddetto ‘ultimo quartile’, ossia ha raggiunto il 75% delle performance umane), soprattutto per competenze quali il recupero delle informazioni, l’ottimizzazione e la pianificazione, il riconoscimento dei modelli e delle categorie conosciute. Sul fronte del coordinamento tra più ‘agent’ tecnologici, alcuni tipi di robot hanno dimostrato una discreta capacità di organizzazione nel rapporto con altri robot, ma la loro capacità di collaborare con gli esseri umani è ancora a uno stadio tecnologico iniziale. Notevoli passi sono stati fatti negli ultimi 5 anni sul fronte del ragionamento logico e del problem solving ma si tratta di attività per le quali, spesso, è richiesta ancora un buona dose di ingegno e creatività, abilità dove le prestazioni umane sono ancora ben lontane dall’essere ‘replicate’ artificialmente.– Il rapporto uomo-macchina: i sistemi cognitivi (oggi facilmente accessibili anche grazie a cloud e in-memory computing) stanno già avendo un diretto impatto sul lavoro dell’uomo, dato che determinate competenze (raccolta di informazioni, ottimizzazione e planning, riconoscimento di modelli) possono già essere sostituite completamente dalle tecnologie. Probabilmente questa sarà l’area tecnologica di maggior impatto sulla forza lavoro globale perché, riporta McKinsey, anche le abilità oggi ancora di ‘proprietà’ dell’uomo (risoluzione di problemi complessi e ragionamento logico) potrebbero nell’arco di una trentina d’anni maturare al punto da eguagliare le prestazioni umane (quantomeno al 75%). Servirà invece un tempo più lungo per poter vedere un sistema tecnologico all’opera nella creatività (obiettivo comunque non irraggiungibile secondo MGI).
3. NLP – Natural Language Processing. La comprensione del linguaggio naturale ha un’importanza decisiva per molti ambiti lavorativi e sulle competenze delle persone. Nonostante vi siano alcuni domini applicativi dove la tecnologia sta esprimendo al meglio tutto il suo potenziale (per esempio, nelle traduzioni automatiche la cui accuratezza migliora costantemente), la strada per il raggiungimento delle performance medie di un essere umano da parte di una tecnologia è ancora molto lunga. Negli ultimi anni, però, la maturità tecnologica sta compiendo importanti passi in avanti grazie soprattutto all’utilizzo di queste tecnologie in ambiti differenti: per esempio nelle auto (riconoscimento vocale a bordo di veicoli) o come servizi di assistenza (chatbot, assistenti virtuali, ecc.), nonché come software di auto-scrittura, ambito, quest’ultimo, dove moltissimi venture capitalist stanno massivamente investendo seguendo le previsioni di Gartner secondo le quali, entro il 2018, le macchine potrebbero essere in grado di scrivere autonomamente il 20% di tutti i documenti aziendali.– Il rapporto uomo-macchina: la capacità di generare messaggi secondo il linguaggio naturale dell’uomo è un’abilità che oggi le macchine hanno sviluppato a un livello medio mentre sono ancora molto lontane dal raggiungere performance superiori nelle attività di comprensione (un uomo è in grado di percepire le cosiddette ‘nuance’ del linguaggio – i modi di dire, le battute, i toni… – che un sistema artificiale ancora non è in grado di fare). Per poter vedere sistemi artificiali in grado di raggiungere un livello paragonabile a quello umano dovremo attendere oltre 30/40 anni.
4. Capacità sociali ed emotive. Quando si parla di capacità sociali ed emotive ci si riferisce prevalentemente a tre tipi di abilità: identificazione dello stato sociale ed emotivo di una persona (attraverso i sensi); riconoscimento di tale stato (attraverso il ragionamento); produzione/comportamento di uno stato sociale o emotivo (mediante un linguaggio parlato, ma anche con la comunicazione non verbale).– Il rapporto uomo-macchina: a oggi, i sistemi di AI mostrano molti limiti e raggiungono performance molto al di sotto della media umana perché, di fatto, entriamo nel campo dell’emotività che l’uomo percepisce ed esprime attraverso un mix di organi/sensori (ormoni, ricettori, ecc.) e una forma di linguaggio complesso (ironia, scherno, linguaggio non verbale come arrossamento o sudorazione, ecc.). I sistemi tecnologici non sono in grado di ‘replicare’ l’emotività umana, quindi ‘faticano’ sia nell’identificazione dei sensi emotivi (sensing) sia nel riconoscimento delle emozioni ad essi associati (reasoning). Per quanto le tecnologie di AI siano in grado di apprendere e aumentare le loro capacità, ancora non riescono a percepire e comprendere una battuta ironica o a capire per quale motivo una persona arrossisca dato che le ‘sfumature umane’ di tali comportamenti e linguaggi sono molto ampie e complesse da replicare (non tutti gli uomini reagiscono allo stesso modo o percepiscono l’ironia in modo univoco, quindi diventa difficile raggruppare i dati relativi alle emozioni per poterle ‘automatizzare’). Allo stesso modo, diventa difficile per una macchina provvedere all’output, ossia mostrare un’emozione. Il limite tecnologico, in questo caso, risiede in realtà nell’estrema complessità delle emozioni umane; bisognerà quindi attendere parecchi anni per vedere significativi avanzamenti dell’AI anche su questi aspetti.
5. Abilità fisiche. Rientrano in questa categoria le abilità motorie, la navigazione e la mobilità in senso lato (capacità di movimento e orientamento). Queste funzionalità potrebbero essere ‘replicate’ facilmente dai robot o altre macchine tecnologiche già oggi in grado di manipolare oggetti con destrezza e sensibilità, ‘navigare’ in modo autonomo in differenti ambienti, spostarsi su superfici e terreni diversi nonché sviluppare capacità motorie multidimensionali.– Il rapporto uomo-macchina: le capacità fisiche relative agli spostamenti e alle varie abilità motorie sono già a un elevato livello di maturità tecnologica (l’automazione industriale ha avuto un boom negli ultimi dieci anni proprio grazie alle elevate performance dei robot che oggi raggiungono e superano il 75% delle prestazioni umane). Ci sono ancora alcune sfide da superare, come l’elevato grado di libertà dei movimenti di braccia e mani nell’essere umano e la cosiddetta mobilità verticale (salire le scale con differenti gradi di inclinazione); obiettivi tuttavia raggiungibili nell’arco di una ventina d’anni.

Automazione e forza lavoro

Dalla mappatura delle competenze e dall’analisi delle tecnologie che possono (e potranno) replicare artificialmente le abilità dell’uomo, lo studio MGI deriva alcune considerazioni circa gli impatti dell’automazione tecnologica sulla forza lavoro. A un primissimo sguardo appare immediatamente evidente che a ‘sopravvivere’ saranno tutte le professioni dove sono richieste buone dosi di creatività e capacità sociali ed emotive, come per esempio quelle nel campo della formazione, dell’arte o dell’healthcare. In realtà, riprendendo le considerazioni iniziali, secondo le quali solo il 5% delle attività lavorative si presta a essere automatizzato al 100%, ma il 60% della forza lavoro attuale potrebbe automatizzare almeno il 30/40% delle attività, è evidente che gli impatti globali dell’automazione sulla forza lavoro saranno molteplici, ma con diversi ‘gradi di intensità’. Se è vero, infatti, che l’educazione e il settore formativo richiedono creatività, capacità relazionali, emotive e sociali difficilmente replicabili da un robot (che ‘fermano’ il potenziale indice di automazione al 27%), è altrettanto vero che, come abbiamo visto, attività come la pianificazione, la raccolta o l’analisi dei dati possono essere automatizzate facilmente con benefici diretti sulla produttività. Non solo: data la continua crescita delle capacità cognitive dei sistemi di intelligenza artificiale, l’esperienza (intesa come accumulo di conoscenza) può essere addirittura superata dalla tecnologia offrendo ai formatori un più ampio bacino di competenza. Nel settore del manufacturing (che ha un potenziale indice di automazione tecnologica del 60%), dove l’automazione industriale ha già mostrato tutta la sua ‘forza’ nell’esecuzione delle attività ripetitive, nella mobilità fisica, nella raccolta e analisi dei dati, esistono tuttavia aree dove l’abilità dell’uomo è difficilmente automatizzabile (gestione, esperienza, coordinamento). L’area dei servizi di ristorazione ed accoglienza è quella che, nelle analisi di McKinsey, ha il più elevato potenziale di automazione (ben il 73%), soprattutto su attività di raccolta ed elaborazione dati nonché nell’utilizzo di macchinari in grado di muoversi in ambienti fisici prevedibili (per esempio l’utilizzo di droni o robot per la consegna dei pasti), area dove oggi è spesa la più alta percentuale del tempo complessivo delle attività del settore. Il settore sanitario e della cura della persona, in generale, richiede doti relazionali umane (tant’è vero che l’indice di automazione raggiungibile si ferma al 36%) ma, anche in questo caso, tutte le attività di raccolta ed analisi dei dati, nonché per esempio la distribuzione dei farmaci, possono portare enormi benefici accelerando, per esempio, le diagnosi delle malattie rare o la scelta delle terapie più adeguate.