Nel 2015 Boeing introduce nello stabilimento di Everett un sistema robotizzato per assemblare sezioni della fusoliera dell’aereo 777: forare i pannelli e installare gli elementi di fissaggio.
Ma l’automazione incontra difficoltà di affidabilità e richiede rilavorazioni.
Nel 2019 Boeing cambia approccio: mantiene la foratura automatizzata su guide flessibili e affida agli operatori l’installazione dei fissaggi. La stessa azienda spiega che questa combinazione offre maggiore qualità e affidabilità rispetto ai robot impiegati prima.
Chi guida una PMI metalmeccanica conosce bene il significato di “rilavorazione”: ore che si aggiungono, consegne che si allontanano, persone impegnate a correggere ciò che avrebbe dovuto essere già pronto.
La storia riguarda la robotica industriale. Ma la lezione ci accompagna oggi nell’usare l’intelligenza artificiale: delegare un’attività richiede di verificare come viene eseguita e quale risultato produce.
Le ricerche universitarie: benefici e limiti
Lo studio “Generative AI at Work”, di ricercatori di Stanford e MIT, rileva un aumento medio del 15% della produttività su 5.172 addetti all’assistenza clienti.
Un esperimento di Harvard Business School, condotto con i consulenti delle Boston Consulting Group, mostra però che, in un compito oltre le capacità del sistema, chi usava l’IA aveva una probabilità di risposta corretta inferiore di 19 punti percentuali rispetto a chi lavorava senza AI. Il vantaggio dipende dal compito e dall’utilizzo dello strumento da parte di persone che sono in grado di capire l’errore e correggerlo.
In officina lo sappiamo: il programma CNC non garantisce da solo la conformità. Si verificano le istruzioni, si controlla il primo pezzo, si misurano le tolleranze.
Con l’IA, dobbiamo fare lo stesso. Anche perché il difetto può nascondersi dentro una frase impeccabile.
“Human in the loop” significa mantenere una persona competente nel circuito, dall’input (promp) all’utilizzo del risultato, con il potere di correggere e far riformulare finchè il risultato non è giusto.o
Le bucce di banana su cui possiamo scivolare tutti:
- La risposta convincente. Confondere una buona scrittura con l’esattezza dei contenuti.
- La falsa verifica. Chiedere alla stessa IA se è sicura e considerare la conferma un controllo indipendente e quindi affidabile.
- La correzione superficiale. Sistemare il tono senza verificare numeri, fonti e presupposti.
- Il caricamento disinvolto. Inserire contratti, disegni riservati o dati dei dipendenti senza sapere come saranno conservati e utilizzati.
La fretta suggerisce “invia”. Il mestiere suggerisce di fare sempre un ultimo controllo.
Cinque regole d’oro
- Prima del prompt: chiarisci obiettivo, contesto, vincoli e criteri di qualità.
- Prima di caricare dati: verifica necessità, autorizzazioni e condizioni del servizio; elimina le informazioni superflue.
- Sul primo risultato: controlla fatti, calcoli e fonti originali, come controlleresti il primo pezzo.
- Negli approfondimenti: cerca omissioni e alternative; verifica nuovamente ogni modifica sostanziale.
- Prima dell’uso: fai validare da chi conosce il mestiere. Dopo, monitora gli effetti e correggi.
Il presidio nella normativa
L’articolo 14 dell’AI Act, regolamento UE 2024/1689, prevede la sorveglianza umana per i sistemi ad alto rischio: comprenderne i limiti, interpretare gli output e poter intervenire o fermarli.
Il GDPR richiede, per i dati personali, una base giuridica, minimizzazione e sicurezza; per quelli sulla salute e altre categorie particolari, condizioni più rigorose. La riservatezza industriale va tutelata anche quando non ci sono dati personali.
L’IA entra in azienda. Trattiamola come abbiamo imparato in officina: istruzioni chiare, competenza e controllo della qualità.
Anche verificare è lavoro produttivo.
La frase su cui riflettere
«Dobbiamo essere ben sicuri che lo scopo immesso nella macchina sia lo scopo che desideriamo davvero», Norbert Wiener, matematico del MIT e fondatore della cibernetica,
