Punti chiave

  • Partire da zero ha un lato positivo: il tuo team può saltare la fase di tentativi ed errori che i primi adottanti hanno dovuto sopportare
  • La prima cosa da imparare è che l'AI prevede il testo invece di capirlo, e questa singola idea evita gran parte della frustrazione iniziale
  • Usare l'AI in modo efficace richiede una comunicazione chiara e specifica, non competenze tecniche
  • Il modo più rapido per iniziare sono i compiti che il tuo team svolge già ogni giorno, non le dimostrazioni a effetto
  • L'AI non sostituisce il giudizio. Ti offre opzioni, e resta una persona a decidere quali valga la pena usare

Perché partire da zero fa così paura?

Iniziare tardi con l'AI sembra peggio di quanto sia. I titoli dei giornali fanno pensare che interi settori siano già andati avanti mentre il tuo team sta ancora capendo come migliorare le competenze sull'AI, o anche solo cosa scrivere nella casella del prompt.

La realtà è molto più tranquilla. La maggior parte dei team che hanno iniziato presto ha bruciato mesi a smanettare senza un piano: prompt casuali, risultati mediocri e la conclusione che l'AI fosse sopravvalutata. Puoi saltare tutta quella fase partendo dal modo giusto di pensare allo strumento, invece che dallo strumento stesso.

L'idea da capire per prima

È questa: l'AI è un sistema di previsione. Non pensa, non capisce e non sa nulla. Guarda i pattern nei suoi dati di addestramento, calcola la parola successiva più probabile e continua così finché non ha una risposta completa. Se le dai qualcosa di vago, ottieni qualcosa di vago. Se le dai dettagli specifici, anche l'output diventa specifico.

Pensala come un completamento automatico su scala enorme. Quando il tuo team afferra questo punto, il modo in cui le persone usano questi strumenti inizia a cambiare.

Qual è il modo più semplice per iniziare a usare l'AI al lavoro?

Prova questo: inizia da un compito che il tuo team svolge già ogni giorno. Per ora lascia da parte le cose complesse e strategiche. Ti serve quello noioso e ripetitivo che consuma tempo senza farsi notare.

Scrivere email, sintetizzare le note delle riunioni, mettere giù una prima bozza grezza, riformattare dati, scrivere aggiornamenti di stato: qui l'AI rende subito e, se sbaglia qualcosa, il danno è minimo. È anche il punto in cui la differenza tra un prompt pigro e uno specifico salta all'occhio in pochi secondi.

Prova questo con il tuo team: prendi un compito scritto ricorrente e fai il prompt all'AI in due modi. Prima, come inizia naturalmente la maggior parte delle persone: "Scrivimi un aggiornamento sul progetto." Poi, con i dettagli: "Scrivi un aggiornamento di 200 parole sul progetto di migrazione Atlas per il VP Engineering. Siamo in ritardo di due settimane a causa di una dipendenza dal team dei pagamenti. Il tono deve essere diretto e orientato alle soluzioni. Includi la pianificazione aggiornata e le tre azioni che stiamo intraprendendo per recuperare."

La differenza tra questi due output è tutto l'argomento a favore della formazione. Lo strumento non è cambiato. Il prompt sì.

Per una guida più ampia su come iniziare, l'AI per principianti approfondisce i concetti di base.

Di quali competenze ha bisogno il mio team?

Il tuo team non deve imparare a programmare, capire le architetture di machine learning o diventare specialista di prompt engineering. Quando si chiede come migliorare le competenze per l'AI, ci si aspetta una risposta tecnica. La risposta vera è più semplice: al tuo team servono quattro competenze pratiche che si costruiscono una sull'altra.

Specificità

Più dettagli metti in un prompt — chi è il pubblico, qual è il contesto, che formato vuoi, che tono usare — più l'output diventa utile. È una competenza comunicativa che la maggior parte dei professionisti già possiede, ma che non pensa di applicare quando parla con l'AI.

Caricamento del contesto

Niente incide sulla qualità dell'output quanto questo. L'AI non conosce la tua organizzazione, il tuo progetto, il tuo pubblico o i tuoi vincoli, se non glielo dici. Imparare a mettere subito nel prompt il contesto rilevante — chi sei, su cosa stai lavorando, cosa deve ottenere l'output — è ciò che trasforma le risposte generiche in risposte utili.

Iterazione

Il primo prompt produce una prima bozza. Le prime bozze sono incomplete perché non puoi comunicare tutto in una volta e perché spesso non sai esattamente cosa vuoi finché non vedi cosa non vuoi. Trattare l'output dell'AI come punto di partenza e non come prodotto finito trasforma l'esperienza da frustrante a produttiva.

Verifica

L'AI produce testo sicuro di sé, che sia accurato o no. Al tuo team serve l'abitudine di controllare l'output dell'AI rispetto alle fonti, soprattutto per fatti, numeri, citazioni e raccomandazioni. È quell'abitudine a separare un'AI che ti aiuta da un'AI che mette in silenzio un errore davanti a un cliente.

Cosa dovrebbe evitare il mio team all'inizio?

Tre trappole rallentano i team che si avvicinano all'AI per la prima volta.

Iniziare dal compito sbagliato

Il lavoro complesso, delicato e che richiede molto giudizio non è quello su cui devono esercitarsi i principianti. Se il primo tentativo di qualcuno è una presentazione per il consiglio o una proposta per un cliente, la delusione è garantita. Inizia da bozze interne, comunicazioni di routine e compiti di formattazione, dove un risultato mediocre ha conseguenze minime e un buon risultato fa risparmiare tempo davvero.

Giudicare l'AI da un solo prompt

Se qualcuno prova l'AI una volta, ottiene una risposta generica e conclude che non funziona, ha mancato completamente il punto. Il primo prompt deve produrre un risultato imperfetto: quel risultato dice cosa correggere dopo. I team che si arrendono dopo un tentativo non arrivano mai al valore che nasce dalla seconda e dalla terza iterazione.

Trattare l'AI come un sostituto invece che come un collaboratore

L'AI genera testo. È una persona a decidere se quel testo è valido. Chi la usa bene sa cosa tenere, cosa correggere e cosa buttare; chi fa fatica accetta qualsiasi cosa esca. Quel giudizio in fase di revisione è la parte del lavoro che non se ne andrà.

Come manteniamo lo slancio dopo la prima settimana?

Allarga il campo nelle settimane 2 e 3

La prima settimana dimostra che l'AI è utile per i compiti semplici. La seconda e la terza dovrebbero allargare il campo. Invita ogni membro del team a scegliere tre compiti ricorrenti del proprio flusso di lavoro e a provare l'AI su ognuno.

Alcuni funzioneranno subito. Altri daranno risultati deludenti, che richiedono un prompting migliore. Servono entrambi: i successi ti danno qualcosa di concreto da mostrare e i fallimenti ti dicono esattamente quali competenze vanno ancora sviluppate.

Cosa fare dopo il primo mese

Dopo il primo mese il tuo team si dividerà da sé. Alcuni troveranno già nuovi usi per conto proprio. Altri si limiteranno a pochi compiti specifici in cui sanno che funziona. Qualcuno l'avrà provata una volta ed è tornato al vecchio flusso di lavoro. Tutto questo è normale.

Gli entusiasti hanno bisogno di indicazioni sulla verifica, per non iniziare a fidarsi dell'output dell'AI in modo acritico, mentre chi sperimenta con prudenza ha bisogno di tecniche un po' più avanzate per allargare il campo. Chi resiste probabilmente è partito dal compito sbagliato: dagliene un altro prima di rinunciare.

Avere tutti a bordo il primo giorno è l'obiettivo sbagliato. Punta a progressi costanti, in cui ogni persona trova i pochi usi dell'AI che le fanno risparmiare tempo nel suo ruolo. È così che si migliorano nella pratica le competenze dei team sugli strumenti AI, e un'adozione di questo tipo resiste, cosa che un obbligo imposto non farà mai.

Migliorare le competenze sull'AI funziona meglio quando segue una progressione strutturata dai fondamenti alle tecniche avanzate fino alla consapevolezza dei rischi, non quando lo si tratta come un singolo evento formativo.