Prompter, Prompt Engineer, ma anche Intelligencer: riallocare le competenze per salvarsi la vita professionale (e vivere meglio guidando un’Intelligenza Artificiale). Perché la potenza (dell’AI) è nulla senza controllo.
Garbage in, garbage out. Quello che era nato come principio basico, elementare forse, di un ambito d’élite come la computer science, oggi cambia pelle e forma. Fin qui, nulla di strano. La storia è piena di invenzioni nate per assolvere ad uno scopo, e poi dirottate – per caso o per forza di cose – su tutt’altro. Da Arpanet, creata in piena Guerra Fredda come rete di comunicazione militare in grado di resistere al nucleare su vasta scala, e diventata nell’83 il più familiare Internet, alla penna elettrica, assemblata da Edison per potenziare i volumi di copiatura, e trasformata nel 1889 da Sam O’Reilly nell’antesignana della moderna pistola per tatuaggi.
Ed ancora, dal post-it, venuto fuori in casa 3M come maldestro adesivo per l’industria aerospaziale (!), al tapis roulant sul quale sudiamo il nostro riscatto fisico, che nel 1818 fungeva da punizione “socialmente utile” (macinava il grano) per i criminali (il suo nome inglese, “treadmill“, ce lo ricorda ancora: tread, camminare, e mill, mulino). Dunque, nulla di nuovo sul fronte occidentale. Forse. Perché se il cambio di destinazione d’uso è in certo modo una consuetudine ammessa (e diffusa) nel grande gioco dell’evoluzione, il “nostro” garbage in, garbage out, pur aderendo formalmente alla macro-tendenza, rischia al contempo di fare ad essa eccezione. Diventando, pericolosamente, una cifra stilistica per la nostra stessa evoluzione.
Ma cosa c’è esattamente dietro l’espressione “garbage in, garbage out”? E perché sta diventando una cifra stilistica, per di più estensibile a tutti? Il Cambridge Dictionary liquida la questione definitoria in poco più di una dozzina di parole: “something produced from materials of low quality will also be of low quality”. Ovvero: inserire in un sistema uno o più input di bassa (e scarsa) qualità sarà la precondizione esatta affinché dal sistema stesso si origini un output altrettanto scadente. “Se entra immondizia, esce immondizia”. Come filosofia pura, come concetto in sé, è qualcosa di assolutamente lineare, intuitivo anche. Ma cosa accade se lo caliamo in un contesto esatto e concreto?
Ad esempio, in un mondo come il nostro, che si sta progressivamente rimodellando a forza di fare incessantemente i conti con una serie di rivoluzioni poderose, non ultima quella ingenerata dall’ingresso dell’Intelligenza Artificiale. L’A.I. ci viene venduta, quotidianamente, come l’elisir delle fiabe tradizionali. Un prodotto miracolistico, capace di donare al popolo la possibilità concreta di tamponare la (o disfarsi in toto della) fatica. Possiamo delegare alle “macchine” tutto il faticoso ed il routinario, iniziando a prestare attenzione (e tempo) a cose maggiormente “nostre” (cose che solo noi esseri umani siamo cioè in grado di svolgere), e come tali, finalmente, stimolanti.
Leggenda moderna vuole addirittura che, fatto 100 il totale delle attività costituenti il nostro lavoro giornaliero standard, adottando un approccio “A.I. friendly” ci diventi improvvisamente lecito “scaricarne” una fetta pari a 60, restando col solo 40 residuale da gestire. Se così fosse, potremmo finalmente assistere al colpo di spugna, netto ed epocale, grazie al quale cancellare, una volta e per sempre, qualsiasi tentazione apocalittica dai nostri radar. Bye bye, futuri distopici.
Con buona pace, peraltro, di tutta quella parte dell’opinione pubblica che si è dimostrata particolarmente incline ad alimentare (quando non addirittura ad ingenerare ed allestire “ad arte”) contesti fobici intrisi di sospetto, o manifestamente di paura, verso l’avanzata delle intelligenze artificiali, additate come ladre di lavoro e di futuro. Se così fosse, sarebbe bellissimo. Forse. Perché anche per quanto riguarda l’utilizzo dell’Intelligenza Artificiale (e soprattutto per l’uso dell’Intelligenza Artificiale, per quel che ci riguarda qui), c’è un principio col quale fare i conti. E quel principio è esattamente: garbage in, garbage out.
Per fare il loro lavoro, per farlo davvero bene, le macchine hanno un disperato bisogno del nostro supporto. Dobbiamo aiutarle ad aiutarci, se vogliamo davvero farle diventare parte del nostro futuro prossimo (e se desideriamo che questa collaborazione funzioni). “Aiutarle” è forse un’espressione vaga, dunque merita un minimo di connotazione in più, possibilmente a partire dal contesto cui si applica. Anzitutto, precisando come tutto questo comporti un profondo ripensamento qualitativo delle strategie legate all’esperienza lavorativa, al “come” si lavora ed al “cosa” si produce.
È un tema di performance, se vogliamo, che transita attraverso una strategia in base alla quale, nel processo di ibridazione tra uomo e macchina, al primo è finalmente concesso tempo, modo e maniera di crescere ulteriormente. E di far questo collocandosi non al di sotto della macchina, ma in una posizione che logisticamente si situa altrove. Ad esempio, a monte del lavoro di quest’ultima, costituendone il preludio. Individuando cioè nel mare magno delle informazioni i soli dati realmente utili da presentare alla macchina. Organizzandoli affinché alla macchina possano “parlare”. Rendendoli “digeribili”, ancora, nell’ottica di dotarla di tutta l’istruzione necessaria ad avviare e portare a termine il proprio lavoro.
È un tema di intelligence, allora. Di ingegneria, ancora e se vogliamo. Ma può essere esteso anche a valle, ovvero alla manutenzione della conoscenza. Perché trovare ed offrire carburante alla macchina affinché possa servire al meglio quelle che sono (e resteranno) le esigenze umane è solo un lato della medaglia. Dall’altro, c’è la necessità di organizzare il risultato in funzione dei suoi utilizzatori finali, affinché il vantaggio (operativo e competitivo) guadagnato mettendo in campo l’A.I. resti davvero tale. Così si muove e manifesta una rivoluzione; e questa è una rivoluzione, che attacca e rovescia end to end un paradigma intero.
O meglio, lo è per chi saprà capirlo, visto che si tratta di una consapevolezza ancora poco diffusa a livello di opinione pubblica. Così, il futuro dischiude all’uomo la possibilità di essere padrone di un lavoro che sta a monte ed a valle della macchina. Un lavoro senza il quale qualsiasi intelligenza meccanica, per quanto ben strutturata e progettata, semplicemente non va. È un futuro da piloti, ma a patto che sappiano di esserlo. Ovvero: che apprendano come diventarlo al meglio. Perché l’uso pedissequo e privo di consapevolezza del più performante dei bolidi è null’altro che un azzardo, se dietro non c’è una padronanza esperta.
E quella padronanza esperta significa alla lettera: saper riallocare le competenze per imparare a tenere il volante in grado di farci guidare l’A.I. Lo scarto rispetto alla narrativa dominante (ed agli alert di volta in volta sbandierati, ora sul controllo, ora sull’alienazione, ora sulla perdita di lavoro) non è da poco. E può rimescolare le carte sul tavolo, restituendo all’Intelligenza Artificiale uno status puramente strumentale, la cui efficacia potenziale dipende direttamente e senza ombra di dubbio non dalla macchina in sé, ma dall’abilità di chi la utilizza. Ovvero, dalla bravura dei piloti. Ma chi sono i nuovi piloti dell’A.I.? Cosa devono sapere, saper essere, saper fare per prendere (e tenere saldamente) le redini della tecnologia più potente che abbiamo mai avuto per le mani?
Partiamo dal lavoro a monte della macchina. Se vogliamo risposte precise (e qualitativamente significative), dobbiamo essere anzitutto capaci di formulare richieste altrettanto precise. In ogni teatro che si rispetti, anche il migliore e più preparato degli attori sa perfettamente che potrebbe arrivare il giorno ed il momento della debacle, quello in cui nonostante ore di studio matto e disperatissimo sul copione, una o più delle sue battute, come per magia, spariscono dalla memoria. In quel caso estremo, sa altrettanto bene che, affettando la massima nonchalance, dovrà trovare il modo di rivolgere lo sguardo in un punto preciso del palco.
Perché è lì che, nell’ombra e perfettamente nascosto alla vista del pubblico, troverà il suo salvatore. Uno che ha sottomano il copione, ed all’occorrenza può quindi suggerire la battuta smarrita, rimettendo in carreggiata attore e spettacolo. Quel tipo, che dialoga suggerendo le informazioni mancanti, si chiama Prompter, e teatro a parte (e fuor di metafora) gioca un ruolo potente anche nell’interazione fra uomo e macchina. Con un grado di sofisticazione che può tranquillamente crescere a seconda del campo di applicazione. Fino a diventare Prompt Engineer, ovvero: professionista in grado di progettare, ottimizzare e personalizzare i modelli di A.I. per renderli più efficienti ed utili.
Un bravo Prompter ha certamente dalla sua la capacità di scrivere richieste chiare e strutturate, una conoscenza (per basica od avanzata che sia) delle architetture A.I., ed un certo bagaglio di pensiero sistemico, da un lato, e problem solving, dall’altro. Ma, macchina a parte, non può lavorare in modalità solo, perché necessita di un raffinamento sui dati che lavorerà, specialmente in un mondo come il nostro, cronicamente afflitto da un’alluvione di informazioni. Per questo, dietro ogni Prompter degno di questo nome dovrebbe esserci un Intelligencer altrettanto smart. Ovvero: un profilo in grado di raccogliere, analizzare ed interpretare dati complessi, traducendoli in insight utili da “girare” al Prompter.
Un Intelligencer è un “animale strano”, in certo modo a mezza via tra l’analista e lo stratega, perché da un lato deve avere fiuto per i dati salienti (e per l’attendibilità delle relative fonti), e dall’altro deve saper leggere (visione d’insieme) ed organizzare (senso critico) il tutto, interpretando uno scenario per farne derivare una strategia data driven. Ma anche il più performante dei tandem in questione, brillantemente assistito dalla migliore A.I. in circolazione, finisce per partorire una bolla di sapone se, a valle, non dispone almeno di un profilo ulteriore. Potremmo definirlo un Knowledge Curator, con questo intendendo un esperto in grado di filtrare e ottimizzare l’output generato dalla macchina per renderlo accessibile ed utilizzabile da team e organizzazioni.
Un Knowledge Curator che si rispetti padroneggia senza dubbio una solida capacità di sintesi (specie in un mondo in cui la soglia di attenzione diventa sempre più esigua), ma al contempo sa come allestire una narrativa capace di impattare sul target finale. È uno storyteller, se vogliamo, intriso di comunicazione efficace e, come tale, avvezzo a muoversi sul terreno insidioso dell’empatia. Prompter, Prompt Engineer, Intelligencer e Knowledge Curator sono solo un pugno di primi esempi, tagliati col coltello seguendo la scia di quanto prefigurato dal World Economic Forum (2023) per il solo anno a venire. Ovvero, ed alla lettera: entro il 2025 circa il 50% delle attività lavorative potrà essere automatizzato, MA nello stesso periodo emergeranno oltre 97 milioni di nuovi ruoli professionali a vario titolo legati alla tecnologia e all’Intelligenza Artificiale.
Ruoli improntati al linguaggio come leva strategica (Gartner sostiene che entro il 2030 il 40% delle grandi imprese avrà team dedicati esclusivamente alla gestione dei modelli di AI ed alla creazione di prompt personalizzati per ottenere output mirati), o al potere dell’analisi (McKinsey stima che l’utilizzo dell’AI in analisi predittive assicuri un incremento dei ricavi aziendali del 20-30%, grazie a decisioni data-driven più rapide ed accurate), o, ancora, alla necessità di fare ordine a livello funzionale nell’infosfera (IBM rileva che il 90% dei dati aziendali rimane ad oggi pressoché inutilizzato). Ruoli che non potranno prescindere, anche, dalla solida padronanza di una vision etica multi-prospettiva, elemento questo che è tipico, ad esempio, di chi ha dalla sua un cursus studiorum a matrice umanistica, o magari teologica.
Come che sia, tirando le fila di quanto sin qui argomentato emergono almeno due ordini di considerazioni. Il primo: se il lavoro delle macchine, per quanto rapido e “defatigante” per noi, necessita sempre e comunque di istruzioni precise, e quelle istruzioni precise devono essere distillate con cura a partire dalla matassa di vero/verosimile/non vero in cui navighiamo, prima, per poi essere accortamente declinate in funzione della macchina in sé, e poi di chi utilizzerà l’output alla fine, l’A.I. non solo non è qui per rubarci alcunché, ma non ha neanche la minima possibilità di aiutarci davvero, a meno che non ci mettiamo in testa di capire come parlarle, e come guidarla.
La seconda: un pilota non è mai un improvvisato. Con buona pace del mito moderno 60-40 di cui si è parlato in precedenza. Deve essere capace, perché la macchina che ha per le mani è un acceleratore e mai un sostituto. Ed un acceleratore fa il suo, MA SOLO a patto di essere governato, istruito e fatto girare da qualcuno che sappia esattamente dove mettere le mani. Altrimenti, garbage in, garbage out, e nulla più. Se questo è il futuro che ci attende dietro l’angolo, ora arriva il tempo di formare piloti. O di rassegnarsi ad una profusione di pigrizia nei modi, che ingeneri spazzatura nei risultati. Tertium non datur.
