Il futuro del lavoro non appare luminoso per molte persone.
Un recente studio di Forrester ha stimato che il 10% dei posti di lavoro negli Stati Uniti sarà automatizzato quest’anno e un altro di McKinsey stima che quasi la metà di tutti i posti di lavoro negli Stati Uniti potrebbe essere automatizzato nel prossimo decennio.
I lavori che possono essere automatizzati sono ripetitivi e di routine.
Si va dalla lettura dei raggi X (i radiologi quindi potrebbero presto avere ruoli molto più limitati), alla guida di camion, allo stoccaggio in magazzino. Mentre molto è stato scritto sui tipi di lavori che potrebbero essere eliminati, un’altra prospettiva che non è stata esaminata in modo così dettagliato è quella di chiedersi non quali lavori saranno eliminati, ma, piuttosto, quali aspetti dei lavori che sopravviveranno saranno o meno sostituiti dalle macchine.
Ad esempio, proviamo a prendere in considerazione il lavoro di un medico: è chiaro che la diagnosi delle malattie sarà presto (se non è già) eseguita meglio dalle macchine rispetto agli umani. L’apprendimento automatico è straordinariamente efficace. Tuttavia, il potersi confrontare con il proprio medico di famiglia per discutere le opzioni di cura è molto meno probabile che venga automatizzato nel prossimo futuro.
Consideriamo ora un’altra professione: il barista. A San Francisco, Cafe X ha sostituito tutti i baristi con bracci robotici industriali, che intrattengono i clienti con le loro buffonate, mentre preparano bevande calde. Tuttavia, anche Cafe X impiega un essere umano, che mostra ai clienti come utilizzare la tecnologia per ordinare le loro bevande e risolve i problemi che sorgono con il barista robot.
Preparare le bevande ed essere un barista non è però la stessa cosa. Le persone infatti cercano un’interazione con il barista. Come il medico, possiamo facilmente scomporre questo lavoro in due componenti: quella ripetitiva e routinaria (mescolare e servire le bevande) e quella più interattiva e imprevedibile che implica ascoltare e parlare con i clienti.
Dopo aver riflettuto sulle caratteristiche di numerosi lavori e professioni, due tipi di aspetti delle diverse professioni mi sembrano particolarmente comuni e difficili da automatizzare:
In primo luogo, l’emozione.
L’emozione gioca un ruolo importante nella comunicazione umana (pensate a quel medico di famiglia, o a quel barista che interagisce con i clienti). L’emozione è coinvolta in modo critico praticamente in tutte le forme di comunicazione non verbale e nell’empatia. L’emozione non è solo complessa e sfumata, ma interagisce anche con molti dei nostri processi decisionali. Il funzionamento delle emozioni si è dimostrato difficile da comprendere scientificamente (sebbene ci siano stati progressi) ed è difficile da costruire in un sistema automatizzato.
In secondo luogo, il contesto.
Gli esseri umani tengono sempre conto del contesto quando prendono decisioni o interagiscono con gli altri. I cambiamenti di contesto (ad esempio, l’elezione di un presidente anticonformista) possono cambiare non solo il modo in cui i fattori interagiscono tra loro, ma possono introdurre nuovi fattori e riconfigurare l’organizzazione dei fattori in modo fondamentale. Questo è un problema per il machine learning, che opera invece su set di dati che per definizione sono stati creati in precedenza, quindi in un contesto diverso.
La nostra capacità di gestire e utilizzare le emozioni e di prendere in considerazione gli effetti del contesto sono ingredienti chiave del pensiero critico, della risoluzione creativa dei problemi, della comunicazione efficace, dell’apprendimento adattivo e del buon senso.
Si è rivelato molto difficile programmare le macchine per emulare tali conoscenze e abilità umane, e non è chiaro quando (o se) gli sforzi nascenti di oggi per farlo daranno i loro frutti.
E, in effetti, queste sono le stesse abilità che i datori di lavoro di tutti i settori segnalano costantemente di cercare nei candidati di lavoro. Ad esempio, in un sondaggio, il 93% dei datori di lavoro ha riferito che “la capacità dimostrata di un candidato di pensare in modo critico, comunicare in modo chiaro e risolvere problemi complessi è più importante della sua specializzazione universitaria“. Inoltre, i datori di lavoro cercano candidati che abbiano altri tipi di “competenze trasversali”, come essere in grado di apprendere in modo adattivo, prendere buone decisioni e lavorare bene con gli altri. Queste abilità ricercate sono e continueranno ad essere difficili da automatizzare.
Tutto ciò suggerisce che i nostri sistemi educativi dovrebbero concentrarsi non solo su come le persone interagiscono con la tecnologia (ad esempio, insegnando agli studenti a programmare), ma anche su come possono fare cose che la tecnologia non farà presto.
Questo è un nuovo approccio per caratterizzare la natura sottostante delle “competenze trasversali”, che sono probabilmente erroneamente denominate: queste sono le abilità più difficili da comprendere e sistematizzare e le abilità che danno – e continueranno a dare – agli umani un vantaggio sui robot .
