Il cambiamento richiede ben più di un megafono: comunicare, sperimentare e formare per guidare la trasformazione

L’AI è la punta dell’iceberg: quello che leggiamo sui giornali, vediamo sui cartelloni pubblicitari, sentiamo in consiglio di amministrazione e dicono i dipendenti è solo la parte visibile. La vera sfida è esplorare ciò che si trova al di sotto. 

Secondo il Boston Consulting Group, le organizzazioni più performanti riconoscono l'esistenza dell'iceberg. Il gruppo di esperti segue il principio 10-20-70, dedicando il 10% delle proprie risorse agli algoritmi, il 20% ai dati e alla tecnologia e il 70% alle persone, ai processi e alla trasformazione culturale. In un recente webinar, Delivering on AI ROI: Ensure Your Story Is Fact, Not Fiction, i leader di Snowflake e del Boston Consulting Group hanno discusso di questa sfida. 

La trasformazione di persone, processi e cultura non avviene da un giorno all'altro. E non avverrà solo grazie a un leader che si fa sentire, per quanto potente sia il suo megafono. Nel suo recente libro Change: How to Make Big Things Happen, Damon Centola, professore di sociologia all'Università della Pennsylvania, sostiene che il cambiamento non si diffonde come le idee. I grandi cambiamenti o le trasformazioni non sono virali. Crescono invece con un effetto valanga, consolidandosi attraverso un'esposizione ripetuta e legami forti. Per guidare il cambiamento, non basta parlare di qualcosa alle persone, ma bisogna mostrare loro che altre persone per loro importanti stanno già agendo e, soprattutto, ne stanno traendo valore. Che si tratti di adottare nuovi metodi agricoli, ridurre il consumo energetico, utilizzare i dati per informare le decisioni o affidarsi all'AI per generare codice o e-mail, l'influenza sociale è importante. 

Quando il cambiamento rappresenta un nuovo comportamento e non solo un nuovo modo di pensare, non basta avere un leader con un megafono o alcuni influencer che lo promuovono. Il vero coinvolgimento e il cambiamento comportamentale si verificano quando le persone vedono gli altri agire e constatano risultati concreti. Ancora meglio, la formazione e la partecipazione offrono loro un aiuto concreto e un interesse diretto nei risultati. 

Le organizzazioni di successo uniscono tutte queste forze per creare la "fear of missing out" (FOMO), un comprovato fattore di motivazione e agente del cambiamento. Durante una recente discussione, un data leader di una grande società di distribuzione statunitense del settore food ha descritto come sono riusciti a generare entusiasmo per il programma di AI. 

1. Catalizzare il cambiamento: L’azienda ha designato un "catalizzatore" dell'AI all'interno di ogni funzione o linea di business aziendale. I "catalizzatori" promuovono l'AI nel contesto di business e fungono da cassa di risonanza per nuovi casi d'uso. La community dei catalizzatori offre un luogo sicuro in cui presentare idee, incoraggiando l'ideazione su vasta scala all'interno dell'organizzazione. È importante lanciare una rete così ampia.

2. Alimentare la FOMO: L'organizzazione ha offerto workshop, supportato proof of concept e promosso i successi ottenuti. Successivamente, il data leader ha dato ancora più importanza al riconoscimento dei meriti. Come ha affermato: "Celebro alla grande i leader di progetto e do loro massima visibilità". A quel punto, altri si sono fatti avanti per chiedere di partecipare a loro volta a un workshop. 

3. Creare fermento: E, ultimo ma non meno importante, ha promosso il suo team creando fermento. "Se fossimo in ufficio avremmo distribuito delle tazze, ma ora abbiamo un logo e gli sfondi di Teams per promuovere il team." Forza team!

Tra i clienti Snowflake, i veri agenti del cambiamento non si affidano semplicemente a un megafono. Lanciano programmi per comunicare, sperimentare e formare, al fine di trasformare persone e processi. 

Comunicare in modo efficace

Se le conversazioni informali possono dare vita a collaborazioni inaspettate, l'attività di evangelizzazione sull'AI deve essere più sistematica ed estesa a tutta l'azienda. Come sfruttare al meglio l'effetto rete all'interno dell'organizzazione, non solo per favorire il passaparola, ma anche per guidare il cambiamento? Alcune aziende designano dei "catalizzatori", altre hanno creato un ruolo di "traduttore".  

In Toyota Motors Europe, i traduttori fungono da ponte tra il business e i data scientist. Eliminano il gergo (da entrambe le parti) per rendere i concetti facilmente accessibili e comprensibili. Allo stesso modo, Kmart Australia ha introdotto alcuni anni fa un ruolo di traduttore di dati, assegnandone uno a ogni area operativa. Il risultato è stato una crescita del 400% delle nuove idee in tre mesi, ma anche un beneficio tre volte superiore per ogni caso d'uso dei dati. Questi traduttori, integrati nelle business unit, hanno potuto rimboccarsi le maniche e lavorare fianco a fianco con i team per implementare le soluzioni. La comunicazione non si limita alle parole. 

E come si suol dire, un'immagine vale più di mille parole. In Toyota Motors Europe, il team dati ha creato una rappresentazione visiva della propria data mesh per illustrare le fonti e gli utilizzi dei dati, nonché le varie "stazioni" intermedie, come i requisiti di data governance e i processi di approvazione. L'idea era di rendere il tutto semplice e visivo. Le mappe sono un mezzo di comunicazione efficace. 

I leader dell'AI e dei dati devono fare un passo indietro e mappare il pubblico che vogliono raggiungere, i messaggi per ciascuno di essi e i meccanismi di comunicazione. Un buon punto di partenza è porsi queste domande:

• Qual è il pubblico di destinazione?

• Cosa deve sapere? Perché ci si rivolge a questo pubblico?

• Qual è il suo livello di comprensione?

• Quale forma deve assumere il contenuto?

• Quali canali utilizzare per raggiungerlo?

• Quando deve essere distribuito il contenuto? 

Sperimentare per ideare e formare  

Man mano che si sparge la voce, i più curiosi vorranno sperimentare con l'AI. La sperimentazione esplora l'arte del possibile e genera idee per i progetti futuri. Tuttavia, il valore della sperimentazione non risiede solo nei modelli creati, ma nell'esperienza stessa. A lungo termine, la maggior parte delle aziende svilupperà i propri modelli di AI? Probabilmente no. La sperimentazione incoraggia l'apprendimento pratico. Toyota Motors Europe organizza regolarmente hackathon con rappresentanti delle aree manifatturiera, logistica, R&S e dei mercati geografici in cui opera. Questo approccio bottom-up consente ai team di testare idee e conoscere i dati e la tecnologia disponibili per realizzarle. 

Formazione diffusa

Non tutti i dipendenti possono partecipare a un hackathon. La maggior parte dei dipendenti, infatti, non è esperta di dati o di AI, o almeno non ancora. Una gestione del cambiamento di successo richiede una formazione completa per migliorare le competenze all'interno dell'organizzazione: i dipendenti ne hanno bisogno e la desiderano. Molti affermano che, se non la ottengono, sono pronti a lasciare l'azienda. Secondo un recente studio sulla gestione dei talenti, il 74% dei dipendenti Millennial e della Gen Z dichiara che probabilmente lascerà il lavoro entro l'anno successivo a causa della mancanza di opportunità di sviluppo delle competenze. Fortunatamente, secondo uno studio di LinkedIn, le organizzazioni si preoccupano della fidelizzazione dei dipendenti. Offrire opportunità di apprendimento è risultata la strategia di retention numero uno per gli intervistati. Man mano che l'AI si diffonde nelle aziende, le iniziative di gestione del cambiamento devono formare i dipendenti a ogni ruolo e livello, dalla produzione ai vertici aziendali. 

In Toyota, la formazione non riguarda solo i neolaureati, ma si estende anche ai responsabili decisionali a tutti i livelli, compresi i dirigenti di livello VP ed EVP. I workshop e gli hands-on lab sull'AI iniziano con domande come “Cosa sono i dati?”, “Cos’è l’AI?” e, soprattutto, “Cosa posso fare con l’AI?” Le vere esperienze pratiche (con le “mani sulla tastiera”) dimostrano l'arte del possibile e questo, a sua volta, genera altri casi d'uso per la sperimentazione. 

Alberta Health si avvale di un AI scribe che acquisisce le informazioni durante le visite dei pazienti al pronto soccorso, lasciando i medici liberi di prestare assistenza e migliorare le interazioni umane. Viene utilizzato da un piccolo gruppo di medici del pronto soccorso, che segnalano un aumento del 10-15% del numero di pazienti visitati ogni ora. L'idea dello scriba è venuta da un medico del pronto soccorso, a dimostrazione del fatto che non è il team dati a identificare il caso d'uso. Quando si offrono gli strumenti giusti ai dipendenti su vasta scala, nascono nuove idee. E, laddove possano sorgere preoccupazioni per i dati sensibili e i risultati, un maggior numero di persone può supervisionare i nuovi colleghi di AI. 

Con la proliferazione di agenti AI che svolgono una moltitudine di compiti, i dipendenti devono sapere cosa aspettarsi. Devono comprendere il proprio ruolo nel definire, collaborare e monitorare i risultati dei loro nuovi “colleghi”. 

Adottare un framework per l'alfabetizzazione

Nelle mie ricerche per Forrester, ho sviluppato un framework per l'analisi del pubblico che parte dalla valutazione degli obiettivi da raggiungere. Il programma ACES è stato progettato per promuovere consapevolezza, comprensione e competenza e per diffonderle in tutta l'organizzazione con un ciclo di feedback dagli esperti di dati (e ora di AI) verso gli altri. 

L'idea non è solo quella di concentrarsi sugli esperti, ma di estendere la formazione a tutta l'organizzazione. Dopotutto, ognuno ha un ruolo da svolgere nell'acquisire, proteggere o utilizzare i dati. Spesso, infatti, chi acquisisce i dati viene trascurato: il cassiere, il tecnico sul campo o l'utente del microonde in sala mensa, ad esempio. E nel nostro nuovo mondo “agentic”, noi esseri umani dobbiamo capire i nostri colleghi agenti.