SCOPRI DI PIù

I big data sono inutili se non sai fare le domande

“Guida Galattica per autostoppisti” dovrebbe farci riflettere. Ed è il momento per leggerlo

Reading time: 4′


In questo momento di emergenza, anche se brutalmente, quasi tutta la popolazione mondiale ha capito che computer, smartphone e rete sono fondamentali per la nostra vita: relazioni, scuola, lavoro da remoto, formazione e svago. In un’interessantissima intervista fatta dalla giornalista Myriam Defilippi (Donnamoderna.com) alla scrittrice del saggio “La non intelligenza artificiale“, Meredith Broussard dice :

Bisogna stare attenti al rischio di “tecnoscivolismo”: pensare che la tecnologia sia la soluzione a tutto. Fare lezione on line non è come farla in classe. Dare un estremo saluto su Skype non è come tenere la mano della persona amata. I computer sono grandiosi, ma non magici. Tante attività si realizzano, sì, usando la tecnologia, ma grazie alle persone.

Quando le si parla di machine learning prosegue dicendo:

C’è un problema di confusione linguistica. Qui “apprendimento” è una metafora: la macchina non diventa saggia e senziente, ma migliora nel modo in cui svolge compiti programmati […] gli algoritmi sono progettati dalle persone, che vi inseriscono i loro pregiudizi inconsci. Nelle grandi aziende tecnologiche il vero potere è detenuto soprattutto da ingegneri e sviluppatori, che sono in buona parte uomini.

Perchè questo passaggio dovrebbe farci riflettere? Perchè l’utilizzo che stiamo facendo ora della rete e delle tecnologie ci porta a dover utilizzare degli strumenti addestrati da un algoritmo. Nella ricerca del personale questa situazione è piuttosto delicata: il sistema informatico tende a riprodurre l’immagine che è presente, in forma stereotipata, nella vita reale. Il rischio è che, abituandoci alle macchine che ci semplificano notevolmente la vita, ci affidiamo anche a modelli che involontariamente si stanno ricreando, a discapito spesso del genere femminile e della possibilità per alcune donne di ricoprire certe posizioni solo perché l’algoritmo vedrebbe ciò come troppo diverso dalla situazione attuale.

I big data: tutti li vogliono, tutti li cercano

Tutte le aziende – chi prima, chi dopo – inseriranno un gestionale per la rielaborazione dei big data. Questo periodo potrebbe spingere anche alcune realtà finora scettiche a farlo. (solo per chi ne sa veramente poco) La locuzione inglese big data indica genericamente una raccolta di dati informativi così estesa in termini di volume, velocità e varietà da richiedere tecnologie e metodi analitici specifici per l’estrazione di valore o conoscenza. Ciò che facciamo spontaneamente e gratuitamente on line (su Google o Facebook per esempio) contribuisce ad espandere il volume di informazioni che ci riguardano: consapevoli o no, alimentiamo le aziende di dati. Interessante come la società Gartner (società per azioni multinazionale che si occupa di consulenza strategica) aveva individuato le tendenze chiave che avrebbero impattato sul business (1). Parlavano di Big Data nel 2012 come sfida significativa per i leader IT. Avevano visto giusto e il problema oggi è la quantità enorme di informazioni da gestire. In questo la funzione Risorse Umane deve intervenire per coltivare le skills necessarie per rendere utili i big data. Non mi riferisco esclusivamente a competenze tecnico-informatiche ma sopratutto creative e visionarie. Oggi più che mai, in questa situazione incredibile creata dalla quarantena, abbiamo bisogno di visionari.

Dati destrutturati

I dati in azienda, sopratutto nelle aziende piccole e medie, sono destrutturati. Solo recentemente, anche con l’impulso di Industria 4.0, sono stati fatti degli investimenti. Se pensate alla vostra realtà organizzativa quanti fogli Excel e report sono stati prodotti nell’arco di un anno? Considerate che lo stesso numero oggi (per la vostra stessa azienda) si può applicare alla singola giornata mettendo insieme dati aziendali e informazioni provenienti dalla rete. Servono tutte queste informazioni?

L’esigenza che ha portato ai software per l’elaborazione dei big data è partita da questa domanda: “come riusciamo ad estrarre questi dati così differenti fra loro per elaborarli? E sopratutto che dati voglio estrarre? Partendo dal presupposto che solo una parte della popolazione aziendale ha competenze statistiche, matematiche e ingegneristiche, il passaggio dal possesso dei dati alla loro elaborazione richiede tempo. Nel peggiore dei casi può non avvenire e potrebbe esserci un focus molto debole sulle priorità.

I software non pensano da soli

Le aziende sono incentivate all’acquisto di software per l’elaborazione di dati. Ora più che mai. Ho conosciuto un imprenditore del retail focalizzato totalmente sul discorso informatico con il grande rischio di trascurare la creatività dei suoi dipendenti e l’aspetto dell’innovazione di prodotto. Il suo obiettivo era ottenere una mole di dati enorme che gli avrebbero permesso di prevedere e saper cosa fare schiacciando un bottone (in realtà qualche consulente è stato poco onesto nei suoi confronti). Magicamente, secondo la sua visione, i dati gli avrebbero rivelato quali gusti hanno le persone e che tipo di produzione impostare. Questo è il caso in cui i big data sono completamente inutili perché forniscono informazioni sulle vendite, sui pezzi, ma difficilmente riescono a prevedere le tendenze e le mode. L’essere umano e le sue decisioni sono molto imprevedibili. L’unico modo per far funzionare questo sistema è formare in parallelo i dipendenti. Insegnargli tecniche per focalizzarsi sulle priorità, allenare il pensiero critico, organizzare le idee e apprendere in che modo i dati possono essere di supporto alle intuizioni. Raccomando grande attenzione a chi decide di avventurarsi in investimenti importanti. E’ più produttivo fare un’analisi sull’organizzazione del lavoro e sulle idee.

Il rischio è che il computer replichi gli stereotipi del mondo offline

Nel social recruiting, in particolare in LinkedIn e altre piattaforme per la ricerca del lavoro, le macchine tendono a replicare lo stereotipo. In che senso? Ad esempio proponendo le posizioni apicali sopratutto a persone di genere maschile perchè numericamente tutta una serie di successi e posizioni offline sono legate a lavoratori uomini. L’algoritmo riproduce informazioni sulla base di quello che gli forniamo. Solo l’uomo, attraverso la sua coscienza ed etica, riesce ad interpretare la realtà. L’intelligenza artificiale, per imparare, dovrebbe attingere solo ed esclusivamente dalle menti più creative, equilibrate ed inclusive del pianeta. Ma attingendo da tutti e da un mix di paure e insicurezze la direzione è imprevedibile.

Leggere guida galattica per gli autostoppisti fa riflettere (attenzione contiene spoiler)

Nel libro “Guida galattica per autostoppisti” (1979) lo scrittore D. Adams parlava di un supercomputer chiamato Pensiero Profondo. Questo computer era stato costruito per rispondere alla “Domanda fondamentale sulla vita, sull’universo e tutto quanto”. Dopo un’elaborazione di sette milioni e mezzo di anni il computer fornisce come responso unicamente “42” lasciando stupiti e sgomenti i committenti dell’impresa.

“Quarantadue!” urlò Loonguawl. “Questo è tutto ciò che sai dire dopo un lavoro di sette milioni e mezzo di anni?”

“Ho controllato molto approfonditamente”, disse il computer, “e questa è sicuramente la risposta. Ad essere sinceri, penso che il problema sia che voi non abbiate mai saputo veramente qual è la domanda“.

Questo pezzo spiega chiaramente quanto sia fondamentale l’elaborazione da parte dell’uomo di domande specifiche e visioni d’insieme per la realizzazione dei progetti. Se tutto va come deve andare, strumenti come Elasticsearch (2) ci aiuteranno nel reperimento veloce di informazione, risparmiandoci perdite di tempo inutili a cercare documenti archiviati, Excel con una brutta formattazione e articoli che il collega inavvertitamente ha messo in un’altra cartella. Il supporto dei software deve aiutare le Risorse Umane nel miglioramento della loro produttività, ostacolando la cattiva organizzazione e lasciando molto spazio al pensiero. In luoghi di lavoro spesso caratterizzati da distrazioni le macchine daranno spunti per identificare le domande fondamentali. Focalizziamoci sulle domande oltre che sulla raccolta dati.

Fonti:

(1) http://www.actiwatt.fr/extension/ezboxdesign/design/ezbox/images/Gartner_The_top_10_strategic_technology_trends_for_2012.pdf

(2) https://www.consulthink.it/elasticsearch-cose-come-funziona-e-caratteristiche/

© Copyright 2019
P.IVA 04399270166 – All rights reserved
Privacy Policy