Cosa può fare un A.I. Coach per i lavoratori?

Un coach online basato sull'intelligenza artificiale (IA) può svolgere molte attività utili per supportare i lavoratori in diversi modi, tra cui:

1. Valutazione delle competenze: un coach IA può analizzare i dati dei lavoratori e valutare le loro competenze, identificando eventuali lacune (o mismatch) e suggerendo attività di formazione per il loro sviluppo.
2. Personalizzazione del percorso di formazione: grazie alla capacità di analizzare i dati dei lavoratori, un coach IA può creare percorsi di formazione personalizzati per ogni lavoratore, adattandosi alle sue esigenze, ai suoi desiderata e al suo stile di apprendimento.
3. Monitoraggio delle prestazioni: un coach IA può monitorare costantemente le prestazioni dei lavoratori, identificando eventuali aree di miglioramento e suggerendo azioni correttive.
4. Consigli personalizzati: un coach IA può fornire consigli personalizzati ai lavoratori su come migliorare le loro prestazioni, suggerendo attività specifiche per il loro sviluppo e offrendo al tempo stesso incoraggiamento.
5. Supporto alla pianificazione: un coach IA può aiutare i lavoratori a pianificare la loro attività quotidiana, suggerendo attività e obiettivi specifici da raggiungere in base alle loro competenze, ai loro obiettivi di carriera e/o in relazione agli obiettivi assegnati dal proprio datore di lavoro (si pensi allo smart working).
6. Supporto emotivo: un coach IA può fornire supporto emotivo ai lavoratori, riconoscendo eventuali segnali di stress o di difficoltà e fornendo consigli utili per superare le difficoltà. In questo caso si dovrebbero integrare sistemi che permettano tramite il riconoscimento facciale o altri inputs di verificare lo stato d’animo del lavoratore.
7. Tracciamento delle prestazioni: un coach IA può monitorare le prestazioni dei lavoratori, tenendo traccia di come i loro progressi si evolvono nel tempo, e utilizzando questi dati per migliorare costantemente il loro sviluppo, in una logica evolutiva e di apprendimento e miglioramento continuo.

Quali sono i rischi per il Lavoratore e quali per l’Azienda che adotta un sistema AI based?

Le attività supportate dall’Intelligenza Artificiale che riguardano lo sviluppo della carriera del Lavoratore attraverso politiche di formazione professionale (accesso e valutazione), oltre che quelle per l'assunzione o la selezione (filtro candidature) post valutazione del Lavoratore, nonché quelle utili ad adottare decisioni in materia di promozione e cessazione dei rapporti contrattuali tramite monitoraggio e valutazione delle prestazioni, per il Regolamento Europeo (AI ACT) sono considerate ad alto rischio  (Rif. art.6, paragrafo 2, AI ACT e Allegato III)

Questo presupposto pone il datore di lavoro o soggetti che per delega (agenzie di recruitment o di lavoro, ecc.) gestiscono i processi di selezione, monitoraggio della carriera valutazione delle performances di adottare sistemi di gestione del rischio e policies di qualità che tengono in conto soprattutto il rischio di penetrazione dei c.d. Bias cognitivi.

Il Lavoratore in questo caso dovrà essere opportunamente e correttamente informato dei rischi e delle misure adottate dall’Azienda, soprattutto se le attività di cui sopra sono completamente appannaggio dell’A.I. e non c’è una verifica sostanziale da parte dell’Uomo e degli uffici preposti.

Un esempio concreto: A.I. Coach di Workers Badge/Blockchain Credentials

In base ad una delle rivendicazioni del brevetto n. 102020000007453 “Metodi e tecnologie integrate per tracciare e certificare le competenze e lo smart working dei lavoratori e moltiplicare i servizi di welfare con una logica di sharing economy”, la piattaforma web tramite l’A.I. Coach supporta il lavoratore nelle attività lavorative quotidiane e in particolare:

1. Nel suggerire i corsi di formazione più utili alla carriera (match tra desiderata del lavoratore e del datore);
2. Monitoraggio dei KPI e OKR stabiliti tra lavoratore e datore soprattutto nello smart working;
3. Valutazione delle performances e rilascio (tramite smart contract) di welfare benefits, anch’essi personalizzati.

Le raccomandazioni e i consigli offerti dall’AI Coach non vengono immaginate come semplici black box delle quali l’utente non conosce i pesi impostati dai modelli di deep learning, in quel caso se la raccomandazione dovesse risultare sbagliata, non ci sarebbe modo di capire le motivazioni che hanno condotto quell'output.

Nel caso di Workers Badge le raccomandazioni hanno delle spiegazioni perché il sistema "è a conoscenza" dei prodotti che sta consigliando; questo significa che i prodotti consigliati non sono soltanto correlazioni statistiche, ma corrispondono a dati strutturati relativi all'oggetto del "mondo reale". Il sistema, in pratica, ha accesso a un database contenente informazioni organizzate (noto come "grafo della conoscenza"), con l'entità del corso, i relativi attributi (es. micro-competenze, sinossi, autore), e le correlazioni con le entità ad esso connesse.

I grafi di conoscenza sono tipicamente costituiti da insiemi di dati provenienti da varie fonti, che spesso differiscono nella struttura. Schemi, identità e contesto lavorano insieme per fornire una struttura a dati eterogenei. Gli schemi forniscono il framework per il grafo di conoscenza, le identità classificano in modo appropriato i nodi sottostanti e il contesto determina la situazione in cui tale conoscenza esiste. Queste componenti aiutano a distinguere le parole che hanno più significati.

I grafi di conoscenza, che sono alimentati dal machine learning, utilizzano NLP (Natural Language Processing) per costruire una visualizzazione completa di nodi, archi ed etichette attraverso un processo detto arricchimento semantico. Quando i dati vengono elaborati, questo processo consente ai grafi di conoscenza di identificare i singoli oggetti e comprendere le relazioni tra i diversi oggetti. Questa conoscenza basilare viene quindi confrontata e integrata con altri set di dati, pertinenti e di natura simile. Quando un grafo di conoscenza è completo, consente di rispondere a domande ed effettuare ricerche nei sistemi per recuperare e riutilizzare risposte esaurienti ai quesiti posti.

Nei sistemi di intelligenza artificiale di prossima generazione, le previsioni verranno generate anche in base al grafo di conoscenza al quale hanno accesso.

I sistemi di nuova generazione che si baseranno sui knowledge graph, potranno contare, dunque, su una catena di provenienza dei dati, proprio come uno studente cita le fonti quando scrive un documento di ricerca. Questo consentirà di "controllare le fonti" ed il processo di ragionamento del sistema.

Se per determinate elaborazioni, ad esempio, si desidererà utilizzare esclusivamente delle fonti estremamente affidabili, la catena di provenienza consentirà al sistema di utilizzare soltanto i dati provenienti da tali informazioni.

I grafi della conoscenza, per concludere, fungeranno da ingrediente chiave che renderà questi sistemi più spiegabili, ispezionabili, verificabili e, in definitiva, controllabili.

L’ A.I. Coach vuole essere, dunque, un sistema basato su tecnologia che supporti il Lavoratore nelle sue attività quotidiane offrendogli, secondo una logica di integrazione e non di sostituzione dell’Uomo, una prospettiva di impatto sulla sostenibilità della sua carriera professionale, e al contempo uno strumento tecnologico che diventi nel tempo accurato ma allo stesso tempo contestualizzante. Solo così si renderebbe all’utente-lavoratore un servizio veramente personalizzato.

References: