Siamo stati proiettati molto velocemente in avanti, in un contesto di mercato precario e accelerato by design. È successo. Qui una pratica lista per chi decide, utile a non perdere l’orientamento, iniziare a costruire le organizzazioni del futuro e non comunicare a caso solo perché sembra più facile farlo con l’IA.
Molti di noi si ricorderanno lo spaesamento dei primi utilizzi di Google, il motore di ricerca che avrebbe velocemente rivoluzionato il mercato digitale. Una pagina bianca, nessuna pubblicità, un logo e un campo di input. Potevi cercare tutto. Potevi anche rischiare di non cercare nulla, se la vastità del cercare tutto si trasformava in paralisi da scelta – per citare il noto psicologo americano Barry Schwartz.
L’aumento delle possibilità del cercare ha avuto un impatto sia su chi desiderava cercare, sia su chi desiderava essere la risposta a queste ricerche. Ed è così che si sono stratificate negli ultimi decenni nuove discipline, dalla SEO allo User Experience Design, dal Neuromarketing al Conversation Design, fino all’ottimizzazione dell’ottimizzazione, e forse fino al punto in cui non è più chiaro chi stia cercando chi e perché.
In questo contesto si è innestata la GenAI: una generazione di modelli linguistici di grandi dimensioni che ci permettono di ottenere rapidamente tanto linguaggio multimediale e senza la necessità di saperlo davvero creare. Tanto linguaggio per dare forma ai nostri desideri.
Cercare ed essere cercati
“Linguaggio multimediale” ricorrerà molto in questo articolo, e vale la pena definirlo: è il sistema di risorse semiotiche che agiscono insieme per produrre significato.
Il linguaggio multimediale è composto da:
testi
immagini fisse
immagini in movimento
suoni
interazioni.
I video, per esempio, codificati come linguaggio audiovisivo, sono quel tipo di linguaggio che si genera quando le immagini in movimento sono combinate con i suoni.
Produrre tanto linguaggio multimediale per rispondere ai nostri desideri è diventato facile, veloce e relativamente economico (per ora). Ma cosa succede quando le persone possono produrre tanto linguaggio all’interno in un contesto organizzativo e lo usano per scrivere email, analizzare conversazioni, produrre documenti, scrivere post per i loro canali digitali? Cosa succede quando comincia a essere noto a tutti che è possibile creare dei processi in cui ci sono automazioni digitali che potrebbero far lavorare meglio le persone, e alcune di queste comprendono anche l’IA?
Ecco una pratica guida che sintetizza alcuni punti di focus che possono essere utili per orientarsi e iniziare da subito a progettare qualcosa con benefici concreti per le persone e le organizzazioni, limitando rischi reputazionali, economici e legali. Prego, non c’è di che.
Tanto linguaggio multimediale per rispondere ai nostri desideri
Focus 1
Nessuno lo chiama con il suo nome, ma parte tutto dalla grammatica del desiderio
No, non sei atterrato/a nel blog di Massimo Recalcati, sono sempre io.
Se ti stai chiedendo cosa c’entra il desiderio, seguimi: stiamo usando nuove tecnologie progettate per questo, cioè per anticipare, intercettare e a volte anche suggerirci desideri con lo scopo di orientare i nostri consumi. E fin qua, non mi sento di dissentire da me stessa.
Vale la pena però distinguere due accezioni del termine.
C’è il desiderio come dato comportamentale (la preferenza osservabile, modellabile, prevedibile che Netflix può dedurre per noi e Amazon anticipa prima che ce ne rendiamo conto). E poi c’è il desiderio come stato interno, anche difficile da articolare, che precede qualsiasi formulazione e che (forse) e (spero) nessun algoritmo di raccomandazione raggiungerà mai davvero.
Le tecnologie che usiamo ogni giorno lavorano sulla prima accezione e lo fanno così bene da farci credere che la seconda coincida con essa. In quello scarto c’è vita: cosa c’è tra ciò che una macchina può anticipare di noi e ciò che dobbiamo ancora imparare a dirle?
Parlare di cosa una persona desidera – e c’è chi sta parlando anche di cosa le macchine desiderano, ma non è il nostro argomento – significa interessarsi dei comportamenti che riguardano il lavoro e in particolare dei comportamenti dentro e con la tecnologia.
[Pensa anche che questi oggetti che teniamo tra le mani, dagli smartphone ai pc, sono ancora dotati di schermi. C’è chi li ritiene specchi portatili che ci portano in mondi virtuali e, senza che ce ne accorgiamo, verso dinamiche di identificazione e riconoscimento – che sia per analogia o per contrasto]
Cosa desiderano le persone? In che modo riescono a comunicare ciò che desiderano e le loro intenzioni a una macchina?
Supportare le persone nel decidere come costruire la loro relazione professionale con le macchine e come conversare con loro è un gesto gentile che ogni organizzazione potrebbe fare per iniziare un percorso trasformativo. Per alcuni, questa relazione tecnologica è totalmente imposta, e probabilmente indigesta. Per altri, è potenzialmente generativa, ma inaccessibile. Per altri ancora, è già ordinaria e potrebbe necessitare attenzione, supporto nella regolamentazione, implementazione, riconoscimento… Non parlo di prompt engeneering o prompt design; parlo di fermarsi a riflettere su questa relazione e suggerire chiavi di lettura, postura, interazione.
Non trattiamo questo argomento come secondario, come dato per scontato o, peggio ancora, come un tabù: meno speech triti e ritriti di scenario sull’IA e più speech su informatica, filosofia del digitale, literacy, casi studio e dinamiche di interazione.
Il Desiderio.
Focus 2
Possiamo fare tutto da sole/i. Se riusciamo a descriverlo
Oggi possiamo desiderare delle cose e possiamo crearle da sole. Le pubblicità dei nuovi software ci dicono che possiamo creare qualunque cosa: un sistema di agenti IA che lavora al posto nostro; testi, foto, video, siti web; aziende atomiche formate solo da due persone e che sono in grado di avere fatturati a sei zeri.
In realtà non è ancora così immediato, perché, nel momento in cui scrivo, alcuni software sono stati rilasciati da pochi mesi, ma mi aspetto che questo articolo abbia una curva di obsolescenza molto rapida.
Un punto di ingresso utile è il fatto che i generatori di linguaggio multimediale possono produrre quanto linguaggio vogliamo. La distanza tra quello che noi desideriamo fare e l’oggetto pronto non è più affidata alle nostre hard skill, bensì alle nostre soft skill.
È tutta una questione di comunicazione: le macchine prendono gli input da noi, che li comunichiamo direttamente in linguaggio naturale. Quindi dobbiamo solo pensarlo e poi solo comunicarglielo.
Sembra facile. D’altro canto si tratta solo di capire cosa desideriamo, figurarcelo nella nostra testa, esprimerlo a parole o scriverlo, darlo a una macchina (che è letteralmente un cervello sintetico di cui non conosciamo davvero bene il funzionamento interno) e attendere un output che dobbiamo valutare. Roba su cui filosofi, psicologi, linguisti, retori e neuroscienziati lavorano solo da qualche migliaio di anni…
Ma siccome in qualche modo dobbiamo affrontare questo iceberg e possibilmente senza fare la fine del Titanic, agevolo un diagramma che mostra un potenziale processo: da quello che desideriamo fino alla produzione dell’output AI – tagliando con l’accetta e con generosa anarchia alcuni framework teorici della Distributed Cognition, dell’elaborazione delle informazioni e anche della semiotica cognitiva.
Ogni passaggio di questo processo è una traduzione tra codici diversi. Dal desiderio all’immagine mentale, dall’immagine mentale al linguaggio naturale, dal linguaggio naturale ai vettori dello spazio latente informatico: ogni traduzione perde qualcosa, distorce qualcosa, aggiunge qualcosa che non c’era. La distanza tra quello che desideriamo e quello che otteniamo non è un problema di tecnologia, è un problema di codici. Come descrivo un’immagine perché l’AI la generi come la vedo nella mia testa? Come nomino un concetto perché la knowledge base lo recuperi nel modo giusto? Come strutturo un prompt perché l’output sia coerente con quello che intendo davvero? Queste sono domande tecniche e sono domande di comunicazione. La macchina le rende solo più visibili, perché sappiamo che colma i vuoti con la plausibilità, e in realtà non vogliamo che succeda.
Per non parlare poi dell’assenza della cultura sul ciclo iterativo: nessun output è fine a se stesso, e ogni output contribuisce al perfezionamento del modello. Se non acquisisco un mindset che mi porti a lavorare sapendo di essere all’interno di un ciclo iterativo (quindi sapendo che devo testare e perfezionare di continuo) non potrà facilmente trarre dall’IA un vantaggio temporale – sicuramente trarrò però un bell’affaticamento cognitivo. Diciamo che un premio c’è sempre.
La buona notizia è che tutto questo processo avviene molto velocemente e siamo liberi di non occuparcene. La cattiva notizia è che tutto questo avviene molto velocemente e non ce ne occupiamo. Sicuramente, però, immaginarsi il processo di comunicazione così ci permette di immaginare e scrivere percorsi di digital e tech literacy (alfabetizzazione tecnologica e digitale) che siano davvero utili alle persone, suggerendo la co-creazione di una nuova postura professionale, senza dare l’impressione di voler costruire un esercito di esecutori ed esecutrici di prompt che forse verranno sostituiti/e, né l’illusione che tutt* quant* avranno un ruolo attivo nel disegnare workflow aziendali.
Buone e cattive notizie
Focus 3
Quanto più gli strumenti sono accessibili in massa, tanto più bisogna essere rapidi nell’occuparsi della governance
Un’altra cosa che deve meritare la vostra attenzione è l’accessibilità della tecnologia. Più aumenta, più aumenta il rischio a essa correlato.
Gli LLM non sono facili, sono accessibili. Chiunque abbia uno smartphone e una connessione può aprire un’interfaccia e iniziare a usarla, senza formazione, senza manuale e senza chiedere il permesso a nessuno. Questa interazione è stata disegnata così perché potesse garantire uno sviluppo di massa e un utilizzo di massa che potesse a sua volta garantire un ingresso in massa di dati.
Questo avviene in un vuoto normativo che assomiglia a un far west metafisico, ma sappiamo che è sempre così e che la legge arriva sempre un po’ dopo. Un periodo di transizione in cui non è ancora chiaro cosa sia legale e cosa no, cosa sia prudente e cosa sconsiderato, cosa appartenga alla sfera privata e cosa stia già circolando da qualche parte in un data center chissà quando e chissà a che latitudine. Ma non possiamo fare gli opossum per sempre.
Il Garante della Privacy italiano fa ora i primi capolini tra le prime startup a dire la propria, oltreoceano la deregulation procede spedita, e l’Europa, forse l’unico presidio garantista rimasto – mi si perdoni un po’ di romanticismo –, lavora a ritmi istituzionali mentre il mercato corre. Nel frattempo escono ricerche che documentano come le persone inseriscano dati sensibili nei loro prompt senza pensarci (o forse pensandoci ma non avendo chiaro come ci si dovrebbe comportare?) e soprattutto che le stesse persone non hanno nessuna intenzione di smettere, perché nessuno rinuncia volentieri a fare in un’ora quello che prima richiedeva una giornata.
E le aziende? L’accessibilità degli strumenti è un problema di governance, prima che tecnologico. Questo perché le persone utilizzano gli strumenti personali, prima ancora di quelli aziendali. E se da qualche parte è chiaro cosa fare con gli strumenti aziendali, è sicuramente meno chiaro cosa si può fare con gli strumenti personali per lavoro. Chi definisce i confini d’uso? Chi risponde quando qualcosa va storto?
La nostra società (non Kopernicana, sciocchin*! La società economica) ha già deciso che le organizzazioni saranno ecosistemi ibridi tra persone e macchine. Se non lo progettiamo, questo ecosistema, lo subiremo. E questo sistema sarà affollato da persone e agenti IA che produrranno tantissimo linguaggio multimediale, collegando idee, dati, informazioni, conoscenze e vuoti informativi secondo logiche diverse.
Ecosistemi ibridi da progettare subito
Focus 4
“L’uomo non separi quello che la tecnologia ha unito”: l’era in cui il communication system (meaning system + design system) sarà mainstream
Merita attenzione la governance della comunicazione, che non potrà più essere progettata a silos, con un ufficio che si occupa di comunicazione interna, uno che si occupa di comunicazione corporate e di relazione con i media, e uno che si occupa di marketing e comunicazione di prodotto. La tensione comunicazione interna versus comunicazione esterna non va annullata, ma diventa subordinata a un livello che la contiene.
Superato così il modello teorico del marketing formulato negli Anni ‘80 che ha retto finora e ha portato buoni risultati all’industria, entriamo in un ecosistema ibrido tra persone e tecnologie. L’organizzazione diventa un luogo che ha la responsabilità di creare una base di conoscenza intellegibile da persone e macchine che sia fondata sul proprio scopo, la propria visione e i propri valori.
Serve una matrice fondativa che diventi il punto di partenza per tutto ciò che produce o co-produce significato nelle relazioni con gli stakeholder interni e con gli stakeholder esterni.
Come si fa? Creando dei confini di senso e comunicandoli chiaramente..
Possiamo occuparci quindi di mappare e definire:
– le relazioni vere della tua organizzazione, come si muovono?
– la conoscenza in azienda, come gira?
– le tue tassonomie, cioè come si chiamano le cose?
– la tua base di conoscenza, cioè qual è il contesto che contiene tutte le linee guida di comunicazione univoche, coerenti, non ridondanti?
– il tuo sistema di significati (meaning system), come è costruito e com’è allineato alle tue intenzioni?
– il tuo sistema di design (design system), cioè con che linguaggi veicoli ai tuoi pubblici i tuoi significati e la tua realtà?
– il tuo sistema di comunicazione (communication system), attraverso quali strategie agisci sui diversi canali offline e online ai tuoi diversi pubblici?
Mappare e definire tutto questo significa disegnare un’organizzazione in grado di stare in modo adattivo nel futuro, in grado di supportare processi di adozione e comunicare con chiarezza internamente ed esternamente, potendo trarre beneficio dall’enorme quantità di linguaggio multimediale che può essere creato. La parola d’ordine: chiarezza.
Creare confini di senso
Lavorare sulle fondamenta (in modo che siano chiare e definite, ma mai definitive, sempre flessibili e aggiornabili) significa creare il punto di ancoraggio da cui ogni strategia può partire e a cui può tornare. Brand identity, marketing, performance, personal branding del board, coinvolgimento dei creator interni, onboarding: strategie che spesso vengono costruite a silos e che invece possono diventare manifestazioni coerenti dello stesso sistema di senso. Non un’imposizione dall’alto, ma un cascading: ogni livello deriva dal precedente, ogni voce riconosce la stessa radice.
Questo vale per le persone. Vale ancora di più per le macchine.
Le macchine che lavorano con e per la tua organizzazione imparano dai materiali che trovano, che siano coerenti o no, intenzionali o no, aggiornati o abbandonati su una cartella di SharePoint dal 2019. O scritti da qualcuno in fretta e furia su un blocco note perché tanto “poi lui si capisce da solo”.
E le persone non se la passano meglio: cosa succede nei cicli di onboarding, in quelli di offboarding, in quelli di training? Cosa accade quando una persona se ne va, ed è l’unica a sapere qualcosa o il punto di contatto di moltissime altre persone, anche in modo informale? La conoscenza che non viene cristallizzata in un sistema evapora. E con essa, parte della capacità dell’organizzazione di essere coerente nel tempo, di creare valore, di ridurre gli sprechi e di evolvere.
Lavorare sull’architettura e sui linguaggi di comunicazione è un modo per mitigare i rischi economici, reputazionali e legali che stiamo accumulando producendo grandi quantità di linguaggio multimediale in modo deregolamentato — senza curare l’architettura delle relazioni, il contesto sintetico in cui quel linguaggio si genera, senza costruire i momenti in cui (magari tra generazioni e competenze diverse che cooperano by design) impariamo a validare e valutare insieme ciò che produciamo.
Al di là dell’overconfidence di chi assume ogni output come ottimale, e al di là della diffidenza di chi li respinge perché non umani, non troppo umani – per citare quello là.