L'intelligenza artificiale al servizio dell'apprendimento

Nell’immaginario collettivo contemporaneo il concetto di “intelligenza artificiale” è spesso associato a visioni stereotipate della tecnologia e, in generale, del rapporto uomo-macchina. Occorre dunque conoscerle, per poi superarle.

Si inizia con il mito del super computer intelligente: un unico e straordinario “cervellone” artificiale, una sorta di formidabile macchina del futuro dotata di pensiero, intenzione e autocoscienza e in grado di riprodurre (e superare?) le capacità cognitive di qualsiasi individuo. Si prosegue con il rischio, spesso paventato, di una sostituzione degli esseri umani con sistemi di Ai all’interno dei vari contesti professionali e, in generale, nel mondo del lavoro. E si conclude con la credenza, piuttosto diffusa, secondo cui l’intelligenza artificiale sarebbe una disciplina esoterica per pochi eletti, inaccessibile ai comuni mortali, appannaggio di un gruppo ristretto di esperti altamente specializzati. Nulla di più falso.

L’intelligenza artificiale è in realtà una formidabile alleata dell’uomo, straordinariamente utile per la creazione di nuove forme di intelligenza “ibrida” e di cooperazione funzionale all’interno delle organizzazioni e dei contesti lavorativi.

La Ai può essere definita come la proprietà emergente di un sistema di elaborazione automatica delle informazioni, in grado di supportare l'intelligenza umana in condizioni ambientali complesse. Il concetto di Ai è direttamente connesso a una serie di modelli matematici e di strumenti hardware e software volti ad aiutare gli esseri umani nello svolgimento di operazioni non banali e nella risoluzione di problemi che richiedono un potenziamento delle “normali” capacità di trattamento dei dati e delle informazioni: dalla previsione delle condizioni meteorologiche all’analisi delle probabilità di diffusione di un virus letale, alla classificazione di grandi moli di informazioni sui social network relative alle scelte dell’elettorato, dallo studio avanzato dei fattori di rischio criminale alla profilazione di clienti attraverso l’elaborazione dei dati di navigazione sul web, dall’indagine sugli effetti della sperimentazione di un nuovo farmaco alla progettazione di automobili o velivoli civili a guida autonoma.

É più corretto, dunque, pensare alla Ai come a un’estensione tecnologica delle sei tradizionali funzioni dell’intelligenza umana – acquisizione dati, memoria, calcolo, attivazione, rappresentazione, adattamento – grazie a cui ognuno di noi, giorno per giorno, è in grado di sopravvivere e prendere decisioni in condizioni ambientali variabili. Si tratta dell’integrazione della macchina al nostro servizio: un potente supporto che ci consente di aumentare in modo esponenziale la nostra capacità di navigazione attraverso la complessità contemporanea, mitigando il rischio di errore, evitando perdite di tempo e migliorando la qualità delle nostre scelte e della nostra vita.

Fra i vari ambiti di applicazione della Ai per la risoluzione di problemi evoluti, l’implementazione di strumenti intelligenti per il governo delle risorse umane di una grande organizzazione è un esempio rilevante di integrazione positiva ed efficace tra uomo e macchina.

Il processo di gestione delle persone si caratterizza, infatti, per un altissimo livello di complessità connesso alla natura diversificata delle competenze umane, alla grande quantità ed eterogeneità dei dati da elaborare e alla rilevanza degli effetti delle decisioni per la qualità del lavoro, il benessere organizzativo e le relazioni industriali. Le varie fasi del processo implicano criticità e problemi che richiedono soluzioni non lineari e disancorate da visioni monodimensionali della natura umana.

Nel caso della selezione del personale, ad esempio, la scelta funzionale dei candidati attraverso un'analisi delle conoscenze, delle attitudini e delle competenze non può più ridursi alla formulazione di declaratorie e liste di etichette formali di scarsa rilevanza pratica. Sono invece necessari modelli di misurazione evoluta, atti a cogliere sfumature e interconnessioni reticolari tra le variabili in gioco. La stessa considerazione vale per le attività di progettazione dei percorsi di sviluppo e formazione, per la valutazione oggettiva delle prestazioni e  ancora di più per i piani di riqualificazione e riorganizzazione aziendale, che coinvolgono migliaia di lavoratori e frammenti importanti della nostra società. In tutti questi casi, l'integrazione dell'esperienza umana con gli strumenti di analisi dell’intelligenza artificiale è una risposta coerente e rigorosa, più adeguata al grado di complessità e alla delicatezza dei temi da affrontare, ed un valido strumento metodologico a supporto di decisioni che impattano sulla vita delle persone. Nell'ottica di un'alleanza uomo-macchina, per l’evoluzione equilibrata delle organizzazioni ed il benessere delle persone coinvolte.

In linea con una visione integrata e funzionale della Ai, nell’ultimo decennio ABIFormazione ha investito tempo e risorse nella ricerca e nello sviluppo di strumenti software “intelligenti” per la risoluzione di problemi complessi legati alla gestione dei processi formativi nel mondo bancario e finanziario.

Il nostro studio dei modelli di IA applicabili nel mestiere del formatore contemporaneo si è focalizzato principalmente sull’adozione delle Reti Neurali Artificiali (Rna) – modelli matematici mutuati dal funzionamento del sistema nervoso degli esseri biologici – per classificare e simulare in modo evoluto le dinamiche che caratterizzano i percorsi di apprendimento e l’acquisizione di conoscenze e competenze in contesti formali e informali. I risultati positivi di questa attività di indagine e sperimentazione ci hanno consentito di realizzare progetti altamente innovativi e di sistema, volti ad affiancare le banche nelle fasi di assessment e personalizzazione dei percorsi formativi individuali, nella formazione su competenze complesse e nella valutazione degli esiti della formazione. Tre ambiti diversi, in cui l’applicazione delle Rna ha assicurato risultati straordinari.

Nella piattaforma ProFinanza abbiamo adottato un sistema di assessment “intelligente”, basato su una Rna ad apprendimento supervisionato (percettrone multistrato), per valutare le conoscenze e le competenze richieste dall’Esma e dalla Consob per i consulenti e gli informatori finanziari. Lo strumento è integrato all’interno un Learning Management System: l’ambiente virtuale in cui si svolge il percorso formativo per i ventimila consulenti e informatori finanziari degli oltre 30 intermediari che aderiscono al progetto. La Rna consente la somministrazione dinamica di un set di domande in funzione delle risposte fornite dal partecipante. In particolare, il software è configurato in modo tale da calibrare in tempo reale il questionario secondo le effettive conoscenze del candidato, al fine di selezionare solamente i quesiti più funzionali alla verifica, ottimizzare il tempo della prova e modulare in modo adeguato il livello di complessità dell’assessment. Il risultato della prova condotta dalla Rna è rappresentato in un report analitico e puntuale di Gap Analysis, grazie al quale la piattaforma online ProFinanza è in grado di definire e generare percorsi e-learning personalizzati per ogni studente, fino alla certificazione dell’intero processo formativo, anch’essa personalizzata. In questo caso, grazie all’Ai, siamo stati in grado di personalizzare per ben 20.000 allievi l’assessment, la formazione e il test finale, concludendo il primo ciclo di aggiornamento richiesto dalla Mifid2 in soli 10 mesi. Un risultato eccezionale, che non avremmo potuto raggiungere senza Ai.

Abbiamo applicato l’Intelligenza artificiale anche nella simulazione e-learning antirapina, che molte banche usano per formare il personale alla prevenzione e gestione di un evento delicato e complesso, quale è la rapina alla filiale. La simulazione riproduce varie tipologie di rapina.  All’interno del percorso, il partecipante è chiamato a prendere decisioni in tempo reale per gestire le diverse fasi dell’evento rapina mediante la selezione di una o più opzioni di scelta tra quelle presentate dalla simulazione. In corrispondenza di ogni selezione, il sistema attiva una RNA ad apprendimento supervisionato in grado di elaborare tutte le variabili in gioco, valutare il grado di adeguatezza della decisione e l’evoluzione dinamica della “storia”. L’esito della simulazione si traduce in un report personalizzato generato dalla Rna, con una descrizione analitica dei punti di forza e delle aree di miglioramento del partecipante in relazione alle competenze complesse collegate al governo di una rapina in banca.

Infine, l’Ai ci ha consentito di valutare le conoscenze e competenze applicative acquisite dai partecipanti durante il Master Banking and Financial Diploma. Il business game finale prevede uno scenario realistico, con un caso che coinvolge un direttore di filiale, il suo team e un cliente private, e si articola in una serie di scene e momenti decisionali per il partecipante. Ogni interazione da parte dell’allievo innesca una serie di calcoli basati su una Rna ad apprendimento supervisionato che consente al sistema di verificare l’adeguatezza delle opzioni scelte, il grado di coerenza di ogni decisione rispetto alle precedenti scene e orienta in modo dinamico l’evoluzione della storia. Il report finale, elaborato mediante la Rna, contiene una mappatura reticolare delle aree di competenza dei partecipanti, corrispondente al Syllabus del Master, e una guida con indicazioni pratiche e suggerimenti personalizzati conseguenti all’esito della prova.

Il laboratorio pluriennale di ABIFormazione nel campo della Ai ha confermato il ruolo strategico dei modelli tecnologici a supporto dell’intelligenza umana nel governo della complessità e nella risoluzione di problemi non lineari e la necessità di un approccio multidisciplinare per l’individuazione di soluzioni realmente efficaci e di sistema. La cooperazione di psicologi, esperti di contenuti, progettisti didattici, informatici e matematici per lo sviluppo dei vari strumenti intelligenti di analisi e di calcolo ha evidenziato poi l’accessibilità dei principi della Ai e la necessità di un’apertura della modellistica al confronto con diverse aree di competenza.