Il paper “The Cybernetic Teammate“, firmato da un team internazionale composto da studiosi delle università di Harvard (Digital Data Design Institute e Harvard Business School), Wharton School, ESSEC Business School e Warwick Business School, insieme a manager di Procter & Gamble, documenta uno dei più grandi esperimenti sul campo sull’uso di AI generativa (basata su GPT-4) in un contesto reale d’impresa.
I risultati sono sorprendenti: l’AI non solo migliora la qualità del lavoro quanto un team umano, ma aiuta i professionisti a generare soluzioni più bilanciate tra componente tecnica e commerciale, riducendo così le differenze legate al background di provenienza. Inoltre, migliora il benessere emotivo dei lavoratori. Vale la pena di ripensare i processi collaborativi in funzione non solo dell’AI come assistente personale, Agent o Multi Agent, ma anche come collega capace di contribuire alla generazione di valore.
Indice degli argomenti
L’esperimento su AI e lavoro di squadra: come è stato condotto e cosa rivela
Il punto di partenza del lavoro è una domanda cruciale per il futuro del lavoro: può l’intelligenza artificiale generativa diventare un vero collega, un compagno di lavoro a tutti gli effetti e non solo uno strumento? Può influire concretamente su performance, condivisione dell’expertise e vissuto emotivo dell’esperienza lavorativa? Per rispondere, i ricercatori hanno realizzato un esperimento sul campo in collaborazione con Procter & Gamble, coinvolgendo 776 professionisti impiegati in diverse aree aziendali, distribuiti tra Europa e Americhe. I partecipanti sono stati selezionati tra diverse funzioni aziendali (in particolare R&D e Commerciale) e hanno lavorato nei propri luoghi di lavoro, all’interno del normale orario lavorativo. Il campione includeva persone con diversi gradi di seniority e background formativo, ma non sono forniti dati specifici su età o genere. Il contesto era quello della generazione di nuove idee per lo sviluppo prodotto, con problemi concreti e attinenti alle attività delle rispettive business unit. Ogni partecipante, singolarmente o in team, ha dovuto proporre soluzioni innovative a una sfida reale, seguendo i processi aziendali standard di P&G. L’obiettivo era valutare se e come l’uso dell’AI generativa potesse incidere sulla qualità delle idee, sulla contaminazione tra expertise diverse e sull’esperienza vissuta dai partecipanti durante il compito.
Il disegno sperimentale: 2×2
Il disegno sperimentale ha seguito un modello 2×2, con assegnazione randomizzata dei partecipanti a quattro condizioni sperimentali distinte, incrociando due variabili chiave: la presenza o meno dell’intelligenza artificiale e la composizione individuale o di team. In particolare:
- Alcuni partecipanti hanno lavorato da soli, senza il supporto dell’AI;
- Altri hanno lavorato in team formati da una coppia funzionale R&D + Commerciale, senza AI;
- Un terzo gruppo ha affrontato l’attività individualmente, con accesso all’AI generativa GPT-4 tramite piattaforma Azure OpenAI;
- Infine, il quarto gruppo ha lavorato in team R&D + Commerciale, con supporto dell’AI.
Tutti hanno ricevuto istruzioni coerenti con i processi standard di P&G per lo sviluppo prodotto. I gruppi con AI hanno avuto accesso a una breve formazione iniziale focalizzata sull’utilizzo efficace dell’intelligenza artificiale tramite tecniche di prompting contestualizzate. Le sfide su cui i partecipanti hanno lavorato erano collegate a problematiche reali emerse nelle diverse business unit di Procter & Gamble, come il miglioramento di un prodotto esistente, l’identificazione di nuove applicazioni per una tecnologia interna, o la proposta di soluzioni a ostacoli nella diffusione commerciale di innovazioni. In ogni configurazione, l’obiettivo era produrre una proposta innovativa in risposta a una di queste sfide, da valutare poi in termini di originalità, qualità e fattibilità.
Le misure analizzate nella ricerca su AI e lavoro di squadra
Per valutare l’efficacia dell’intervento dell’intelligenza artificiale nei vari contesti sperimentali, i ricercatori hanno raccolto un insieme articolato di misure, sia qualitative che quantitative. In primo luogo, la qualità delle soluzioni generate è stata valutata da esperti indipendenti interni a Procter & Gamble, secondo tre criteri: originalità, fattibilità (ovvero realizzabilità concreta della proposta) e qualità generale del contributo. Questa modalità di valutazione qualitativa delle idee ricorda quella utilizzata in uno studio condotto dalla Stanford University sull’uso dei modelli linguistici di grandi dimensioni per generare idee di ricerca (https://www.agendadigitale.eu/cultura-digitale/idee-per-la-ricerca-la-creativita-dellia-super-quella-umana-lo-studio-stanford/). In quel caso, le proposte generate da Claude il modello LLM di Anthropic sono state confrontate con quelle di oltre 100 esperti umani: i risultati hanno mostrato che le idee prodotte dall’AI erano considerate più innovative, anche se leggermente meno praticabili. Un confronto che evidenzia come l’AI possa effettivamente contribuire in modo significativo nei processi di ideazione, anche in contesti ad alto contenuto specialistico.
In parallelo, è stato misurato il tempo impiegato dai partecipanti per completare il compito, un indicatore importante per valutare eventuali guadagni di produttività dovuti all’uso dell’AI.
Un’altra dimensione osservata riguarda la tipologia della soluzione proposta, per verificare se l’AI favorisse l’integrazione tra approcci tecnici e commerciali o rafforzasse tendenze preesistenti legate al background professionale. I partecipanti hanno inoltre compilato questionari prima e dopo lo svolgimento del compito, in cui hanno espresso le proprie emozioni (ad esempio: entusiasmo, ansia, frustrazione) e la percezione della propria performance. Questo ha permesso di rilevare il vissuto emotivo dell’esperienza lavorativa con o senza AI. Infine, è stata analizzata la percentuale di contenuto effettivamente generato dall’AI nei testi finali, per capire quanto è stato effettivamente utilizzato lo strumento nei vari gruppi.
Risultati principali della ricerca su AI e lavoro di squadra
L’analisi dei risultati rivela come l’intelligenza artificiale generativa sia in grado di produrre impatti tangibili e misurabili su diversi fronti. Dal punto di vista della performance, le soluzioni sviluppate da singoli individui con il supporto dell’AI sono risultate di qualità paragonabile a quelle generate da team di lavoro umani, in alcuni casi anche superiori per originalità e coerenza. Quando l’AI è stata utilizzata in combinazione con un lavoro di team (R&D + Commerciale), i risultati sono stati ulteriormente potenziati: le proposte finali si sono distinte per articolazione, ricchezza di contenuti e qualità complessiva. L’AI ha inoltre consentito di ridurre il tempo medio di completamento del compito fino al 16%, dimostrando un potenziale concreto di aumento dell’efficienza.
Un secondo ambito rilevante riguarda l’expertise. Nei gruppi senza AI, è emersa una netta differenziazione tra le soluzioni tecniche proposte dai profili R&D e quelle più orientate al mercato tipiche dei Commerciali. Al contrario, nei gruppi che utilizzavano l’AI, queste differenze si sono attenuate: le soluzioni finali risultavano più bilanciate e trasversali, a prescindere dal background dei partecipanti. Questo suggerisce che l’intelligenza artificiale possa fungere da facilitatore cognitivo, capace di far convergere approcci complementari e ampliare le competenze percepite di ciascun individuo. Infine, l’effetto sul piano emotivo è stato significativo. I partecipanti che hanno utilizzato l’AI hanno riportato livelli più elevati di entusiasmo, coinvolgimento e soddisfazione rispetto a quelli che hanno lavorato senza assistenza.
Le emozioni negative, come ansia e frustrazione, sono risultate ridotte. Anche chi ha lavorato da solo con l’AI ha sperimentato un grado di benessere soggettivo comparabile a quello dei partecipanti inseriti in team tradizionali. Questo effetto psicologico positivo si è riflesso anche nelle intenzioni future: chi ha avuto un’esperienza positiva con l’AI ha dichiarato di volerla integrare con maggiore frequenza nel proprio lavoro quotidiano.
Implicazioni dell’AI generativa come collega nel lavoro di squadra
Il paper sfida l’idea che l’AI sia solo uno strumento e propone una nuova categoria: l’AI come “collega cibernetico”, capace di affiancarsi ai lavoratori umani, ampliarne le capacità, colmare gap di competenze e generare benessere emotivo. In questo senso, l’esperimento suggerisce una nuova visione dei team aziendali, in cui l’intelligenza artificiale diventa parte integrante dei processi di lavoro quotidiani, non come entità autonoma, ma come presenza abilitante.
Gli scenari che si aprono sono molteplici. In contesti dove l’innovazione richiede la sintesi di competenze diverse, come ricerca e sviluppo, marketing strategico, design di prodotto, l’AI può agire da catalizzatore, riducendo il tempo di confronto, facilitando l’emersione di idee trasversali, migliorando la qualità dei contributi anche da parte di figure meno esperte. In ambito formativo, l’adozione di AI generativa può rappresentare un’opportunità per integrare più efficacemente le nuove generazioni, come i professionisti della Gen Z, nei team di lavoro, grazie a interfacce naturali e interattive che valorizzano competenze digitali native e incoraggiano la partecipazione. Vale inoltre la pena considerare nuove dimensioni di valutazione dell’impatto dell’AI, che vadano oltre la produttività e la qualità dell’output. Il coinvolgimento emotivo, il senso di appartenenza e l’apprendimento continuo sono aspetti cruciali della vita organizzativa che meritano attenzione: il fatto che l’AI possa incidere anche su questi aspetti apre interrogativi importanti per la progettazione del lavoro del futuro.
L’AI generativa non sostituisce le persone, ma può replicare e in parte potenziare alcune funzioni della collaborazione umana. Per le organizzazioni, si apre una nuova fase: quella dei team ibridi e adattivi, dove l’AI non è un semplice assistente o agente automatizzato, ma un collega digitale capace di generare valore, abilitare competenze e rafforzare la qualità delle relazioni professionali.
