Cosa abbiamo imparato parlando di AI con le Big Four

Muhammed Gider
4 min di lettura • 
Quando abbiamo introdotto l’AI nei flussi di lavoro bancari delle Big Four, abbiamo scoperto che il vero collo di bottiglia non erano gli strumenti, ma il carico cognitivo. Ecco cosa è cambiato quando abbiamo smesso di progettare per l’automazione e abbiamo iniziato a progettare per il giudizio umano su larga scala.

Quando abbiamo iniziato a parlare di AI con le Big Four, le conversazioni sono entrate nel vivo con una rapidità sorprendente. Nessuna lunga introduzione, nessun bisogno di spiegare perché l’AI fosse importante. Quasi subito, partner e consulenti senior hanno iniziato a raccontare dove finiva davvero il loro tempo. Non nelle decisioni o nella comprensione dei risultati, ma nella preparazione. Estrarre dati da sistemi diversi. Allineare i numeri. Assicurarsi che le analisi rispettassero gli standard interni prima ancora che qualcuno potesse iniziare a riflettere sul significato dei risultati.

Ci ha colpito il fatto che nessuna di queste attività fosse di scarso valore. Erano necessarie. Ma erano anche estenuanti. Professionisti di grande esperienza trascorrevano buona parte della giornata solo per arrivare al punto in cui potesse iniziare il vero lavoro di riflessione.

Man mano che le conversazioni proseguivano, hanno individuato decine e decine di processi in cui l’AI poteva avere un ruolo. Reporting, conformità normativa, controlli finanziari, analisi fiscali, revisioni interne. A prima vista, sembrava un classico problema di automazione. Non lo era.

La maggior parte di questi processi disponeva già di strumenti, modelli e forme di automazione parziale. Ciò che rallentava tutto si nascondeva tra un passaggio e l’altro. Cambiare contesto. Riconciliare i risultati. Esercitare il proprio giudizio in modo coerente su informazioni frammentate. Il vero costo non era solo il tempo, ma il carico cognitivo.

È stato allora che abbiamo cambiato prospettiva.

Invece di chiederci come l’AI potesse svolgere il lavoro dall’inizio alla fine, abbiamo iniziato a chiederci come potesse aiutare le persone che lo svolgevano. E se l’AI potesse occuparsi delle attività che consumano energie, senza togliere loro il controllo? E se potesse preparare bozze strutturate, far emergere le incongruenze e rendere visibile il proprio ragionamento, così che gli esperti potessero concentrarsi sul giudizio anziché sulla preparazione?

Quando questo approccio è diventato operativo, l’impatto si è fatto tangibile.

Nei diversi team, i tempi di completamento delle attività analitiche ricorrenti si sono ridotti dall’80 al 90 per cento. Gli errori manuali, soprattutto nei processi che richiedevano molte riconciliazioni, sono diminuiti nettamente. Un risultato altrettanto importante è stato che i risultati prodotti sono diventati più uniformi tra team che prima affrontavano lo stesso lavoro in modi leggermente diversi. In media, i consulenti hanno recuperato circa 40–50 ore al mese, che ora potevano dedicare ad attività di riflessione di maggior valore.

Ma il cambiamento più interessante non riguardava i numeri.

Riguardava il modo in cui le persone parlavano del proprio lavoro. Le revisioni sono diventate più serene. Le discussioni più mirate. I revisori senior dedicavano meno tempo a verificare che tutto fosse corretto e più tempo a discutere il significato effettivo dei risultati.

Con il tempo, il sistema ha smesso di essere percepito come uno strumento che le persone dovevano usare. È diventato un modo condiviso di lavorare, assimilando discretamente il modo in cui venivano prese le decisioni e riflettendolo nelle analisi successive.

Questa esperienza ha anche rafforzato una convinzione che abbiamo da tempo. Il progresso verso un’intelligenza più generale non arriverà da sistemi che cercano di sostituire gli esperti in ambiti complessi. Arriverà da sistemi che eliminano gli ostacoli al ragionamento degli esperti e ne amplificano le capacità.

In questi incarichi, l’AI ha creato valore non grazie alla sua autonomia, ma alla sua capacità di collaborare. Non prendeva decisioni al posto delle persone. Le aiutava a prendere decisioni migliori, più rapidamente.

Se c'è un primo indizio di dove i sistemi simili all'AGI avranno un impatto prima che altrove, è qui. Non nell'automazione completa, ma nel supporto al giudizio umano su larga scala.

È stato questo passaggio, dall'automazione al potenziamento delle capacità umane, a fare la differenza.

Unisciti a Dvina

Registrati gratis e riunisci tutti i tuoi strumenti in un unico, semplice spazio di lavoro.

Scopri di più