Che cos’è la formazione sull’alfabetizzazione all’IA nell’era dell’IA generativa? 10 temi e metodi di progettazione che tutti i dipendenti dovrebbero apprendere.

Articoli
Che cos’è la formazione sull’alfabetizzazione all’IA nell’era dell’IA generativa? 10 temi e metodi di progettazione che tutti i dipendenti dovrebbero apprendere.

Introduzione

Per i responsabili delle risorse umane, della promozione della trasformazione digitale e gli amministratori di sistemi IT che faticano a progettare percorsi formativi sull'alfabetizzazione all'IA, questa guida delinea sistematicamente 10 temi essenziali per la formazione a livello aziendale. Copre tutto, dalle basi dell'IA generativa alla sua applicazione nella gestione aziendale e del rischio.

Tatsuya Ito

Tatsuya Ito

Consulente di Intelligenza Artificiale

company-icon

Third Scope Inc.

Nato nel 1985 e originario della Prefettura di Mie, in Giappone. Nel 2012 è entrato a far parte di una startup di realtà aumentata (AR) a Hong Kong in qualità di ingegnere. Da allora ha partecipato allo sviluppo di nuovi business e al lancio di servizi basati sull’intelligenza artificiale presso diverse startup del settore AI. Nel 2018 ha fondato l’attuale Third Scope Inc., rilevando un servizio di intelligenza artificiale insieme al relativo team di sviluppo. Oggi supporta le aziende nell’adozione e nell’utilizzo dell’AI, con particolare attenzione allo sviluppo di nuovi business basati sull’intelligenza artificiale, alla trasformazione dei processi operativi e allo sviluppo di prodotti. Ha inoltre svolto attività di ricerca nel campo dell’intelligenza artificiale come Project Researcher presso l’Università di Tokyo. Attualmente continua a operare in prima linea nello sviluppo di progetti AI, offrendo consulenza pratica che integra competenze tecniche e prospettive di business.

Questi 10 temi coprono davvero tutto, senza lasciare lacune?

Nel supportare la progettazione di corsi di alfabetizzazione all’IA, l’autore riceve talvolta domande di questo tipo. Le risorse umane si chiedono «che cosa dovremmo insegnare a tutti i dipendenti e con quale livello di approfondimento?», il team per la trasformazione digitale si domanda «la utilizzeranno davvero dopo il corso?», mentre il reparto IT teme che l’uso si diffonda prima che siano state chiarite le regole sulla gestione delle informazioni. Le posizioni sono diverse, ma la preoccupazione di fondo è la stessa: l’azienda vuole diffondere l’IA generativa al proprio interno, ma non è facile capire quali conoscenze debbano avere tutti.

In passato, non era raro che la formazione sull’IA si esaurisse in una panoramica dell’intelligenza artificiale e in una presentazione delle modalità d’uso degli strumenti. Oggi, però, l’IA generativa sta entrando nelle attività quotidiane, tra cui la redazione di testi, la sintesi, la preparazione di verbali, le risposte alle richieste interne, la preparazione di materiali commerciali e la creazione di contenuti formativi. Per questo non basta più spiegare soltanto «che cos’è l’IA». Il programma deve comprendere anche l’impiego nelle attività lavorative, i prompt, la sicurezza delle informazioni, il diritto d’autore, le regole interne e il consolidamento dell’uso dopo il corso.

Per esempio, ipotizzando di progettare un corso di alfabetizzazione all’IA destinato a 300 persone nell’arco di un mese, suddividere i materiali didattici in 10 temi facilita l’aggiunta di contenuti specifici per reparto e test di verifica, oltre al successivo adattamento a un percorso di e-learning. Se si dispone di un ambiente come Kanata, fornito dalla nostra azienda, che integra chat IA, sintesi con IA ed e-learning in un’unica piattaforma operativa, si può anche progettare un percorso che colleghi formazione, esercitazioni, ripasso e applicazione pratica.

Questo articolo presenta i 10 temi con cui costruire la parte comune di un corso di alfabetizzazione all’IA per tutti i dipendenti. L’obiettivo è ottenere una base utilizzabile per confrontare i fornitori di formazione o preparare i materiali per i formatori interni. Tuttavia, elencare i temi non basta a consolidare l’uso dell’IA. Solo progettando insieme regole operative, gestione delle informazioni e occasioni di applicazione dopo il corso si costruisce un percorso formativo che resti utile nel lavoro quotidiano.

L’alfabetizzazione all’IA allinea non solo le conoscenze, ma anche i criteri decisionali

Quando si parla di alfabetizzazione all’IA, si pensa spesso a un corso che spiega il funzionamento dell’intelligenza artificiale e l’uso degli strumenti di IA generativa.

Naturalmente servono conoscenze di base: che cos’è l’IA, che cosa si può fare con l’IA generativa e come si scrive un prompt. Tuttavia, secondo l’esperienza dell’autore, l’aspetto davvero importante in un corso per tutti i dipendenti non è aumentare il numero di «esperti». È fare in modo che ogni dipendente sappia prendere almeno le decisioni essenziali quando usa l’IA al lavoro.

Per esempio:

  • Questa attività può essere affidata all’IA?
  • Queste informazioni possono essere inserite nell’IA?
  • Fino a che punto ci si può fidare dell’output dell’IA?
  • Chi deve controllarlo prima che venga condiviso all’esterno?
  • Da quale attività dovrebbe iniziare il proprio reparto?
  • A chi rivolgersi in caso di problema?

Un corso di alfabetizzazione all’IA non serve a far imparare a tutti i dipendenti le stesse operazioni su uno strumento. Serve a creare una base comune di conoscenze e di criteri per usare l’IA.

Nel progettare la formazione sull’IA, l’autore la paragona spesso alla «patente di guida». Si può guidare senza conoscere perfettamente la struttura del motore. Non è però possibile mettersi in strada senza conoscere i segnali, i limiti di velocità, come riconoscere i pericoli e le procedure da seguire in caso di incidente. Lo stesso vale per l’IA generativa: prima di una comprensione tecnica avanzata servono regole e criteri decisionali per usarla nel lavoro.

La Commissione europea, nel suo repertorio delle pratiche di alfabetizzazione all’IA, raccoglie esempi di formazione e iniziative per sviluppare le competenze del personale. È un riferimento utile per progettare percorsi adeguati a chi utilizza l’IA nel lavoro.

In questo senso, l’alfabetizzazione all’IA comprende in parte elementi di formazione sulla trasformazione digitale, sulla sicurezza delle informazioni e sul miglioramento dei processi. Se si restringono troppo i temi, il corso non sarà utilizzabile nel lavoro quotidiano; se li si amplia eccessivamente, i contenuti diventeranno dispersivi. Per questo, organizzare in 10 temi ciò che tutti devono conoscere offre un punto di partenza per progettare il corso.

I 10 temi da affrontare nell’alfabetizzazione all’IA

In un corso di alfabetizzazione all’IA per tutti i dipendenti, strutturare i contenuti intorno ai 10 temi seguenti aiuta a evitare lacune.

  1. Concetti di base di IA, IA generativa e LLM
  2. Che cosa può e non può fare l’IA generativa
  3. Principali casi d’uso facilmente applicabili al lavoro
  4. Fondamenti dei prompt
  5. Come verificare gli output dell’IA
  6. Sicurezza delle informazioni e dati da non inserire
  7. Rapporto con diritto d’autore, dati personali e regolamenti interni
  8. Esempi di utilizzo per reparto
  9. Regole interne e responsabilità operative
  10. Progettazione del consolidamento dopo il corso

Questi 10 temi non sono un semplice elenco di nozioni. I primi cinque costituiscono la base per comprendere e utilizzare concretamente l’IA. I temi dal 6 al 10 servono invece a diffonderla in sicurezza in azienda e a integrarla nel lavoro.

Nel definire i contenuti del corso di alfabetizzazione all’IA occorre non concentrarsi soltanto sulle «applicazioni utili». Chi opera nel lavoro quotidiano tende a chiedersi «per che cosa posso usarla?», mentre le funzioni amministrative e il reparto IT tendono a concentrarsi su «che cosa non bisogna fare?».

Se si enfatizzano soltanto i vantaggi o soltanto i rischi, la formazione non funziona bene. Affrontare insieme utilità, limiti, responsabilità e gestione aumenta l’efficacia di un corso per tutti i dipendenti.

Tema 1: concetti di base di IA, IA generativa e LLM

Il primo tema da affrontare riguarda i concetti fondamentali di IA, IA generativa e LLM.

In un corso per tutti i dipendenti non occorre addentrarsi troppo nei dettagli tecnici. Anzi, un eccesso di termini specialistici rischia di lasciare indietro i partecipanti già nelle prime fasi.

L’obiettivo è fare in modo che i partecipanti sappiano rispondere a grandi linee alle domande seguenti:

  • Che cos’è l’IA?
  • Che cos’è l’IA generativa?
  • Che cos’è un LLM?
  • Qual è la differenza tra un motore di ricerca e l’IA generativa?
  • Qual è la differenza tra un chatbot tradizionale e una chat basata sull’IA generativa?

L’IA è il termine generale per le tecnologie che consentono ai computer di svolgere compiti che richiedono capacità come il riconoscimento e il ragionamento. L’IA generativa è la tecnologia che, all’interno di questo insieme, genera nuovi contenuti come testi, immagini, audio, sintesi e codice. LLM è l’abbreviazione di «Large Language Model», ossia modello linguistico di grandi dimensioni. È un modello di IA che apprende da grandi quantità di testi e genera linguaggio naturale in base al contesto.

È tuttavia importante non fermarsi a questa spiegazione. Nei corsi l’autore precisa spesso che «l’IA generativa somiglia più a un sistema che compone testi in base al contesto che a un archivio di conoscenze».

Senza questa premessa, i partecipanti rischiano di interpretare le risposte dell’IA come «risultati di ricerca» o come una «raccolta di risposte corrette». L’IA generativa, però, non restituisce sempre informazioni esatte. Sa creare testi naturali e convincenti, ma non garantisce l’accuratezza di informazioni aggiornate, dati interni specifici, numeri precisi o valutazioni giuridiche.

Condividere questa premessa nel primo tema rende più comprensibili le parti successive dedicate alla gestione dei rischi e alla verifica degli output.

Tema 2: che cosa può e non può fare l’IA generativa

Il tema successivo chiarisce che cosa può e non può fare l’IA generativa.

In un corso di alfabetizzazione all’IA non basta dire che «l’IA è utile». Se si sottolinea soltanto l’utilità, i partecipanti potrebbero nutrire aspettative eccessive oppure prendere le distanze, pensando: «Non riguarda il mio lavoro».

La formazione dovrebbe mostrare innanzitutto, concretamente, le attività in cui l’IA generativa è più efficace. Tra le principali:

  • Preparazione di bozze
  • Redazione di e-mail
  • Sintesi di appunti e verbali di riunione
  • Organizzazione della struttura dei materiali
  • Generazione di idee
  • Riformulazione di espressioni
  • Creazione di tabelle comparative
  • Preparazione di bozze per FAQ e manuali
  • Creazione di una struttura preliminare per contenuti formativi

Anche usando Kanata, invece di puntare fin dall’inizio a un’automazione avanzata, è realistico partire da attività facili da introdurre in qualsiasi reparto: bozze di e-mail, verbali, revisione di materiali, avvio di ricerche, preparazione di rapporti settimanali e appunti per colloqui individuali. Le attività quotidiane di preparazione di bozze, organizzazione, sintesi e riformulazione tendono infatti a consolidarsi più facilmente nel lavoro quotidiano.

Al tempo stesso, occorre spiegare con altrettanta attenzione ciò in cui l’IA generativa è meno efficace. Le attività seguenti, per esempio, non dovrebbero essere affidate interamente all’IA:

  • Verifica dell’esattezza di numeri e date
  • Valutazioni specialistiche in ambito legale, fiscale o del lavoro
  • Trattative importanti con i clienti
  • Decisione finale nella valutazione del personale
  • Decisioni manageriali
  • Controllo finale prima della pubblicazione esterna
  • Gestione di documenti contenenti informazioni riservate

Bozze, sintesi, organizzazione e avvio di ricerche si prestano all’IA; verifica dei fatti, decisioni finali e conversazioni in cui è in gioco una relazione di fiducia devono restare affidati alle persone. Questa distinzione va ripetuta durante il corso.

L’IA non completa il lavoro al posto delle persone: prepara gli elementi che consentono alle persone di decidere.

È utile inserire un esercizio che distingua tra «lavori da affidare all’IA» e «lavori di cui le persone devono assumersi la responsabilità». Per esempio, si può chiedere ai partecipanti di elencare 10 proprie attività e suddividerle in tre categorie:

  • Attività che si prestano a essere affidate all’IA
  • Attività in cui l’IA prepara la bozza e una persona esegue il controllo
  • Attività che non dovrebbero essere affidate all’IA

Saper classificare le proprie attività rende l’uso dell’IA molto più concreto. Anche nell’esperienza dell’autore, le aziende più avanzate nell’uso dell’IA non cercano di affidarle qualsiasi cosa. Al contrario, definiscono con chiarezza i ruoli delle persone e dell’IA.

Tema 3: principali casi d’uso facilmente applicabili al lavoro

Il terzo tema riguarda i principali casi d’uso facilmente applicabili al lavoro.

In un corso per tutti i dipendenti, oltre alle spiegazioni astratte, occorre mostrare «per che cosa si può usare da domani».

Soprattutto nel primo corso, è più facile avviare l’adozione partendo da esempi vicini alle attività quotidiane anziché da casi complessi. Anche l’autore evita di addentrarsi fin da subito nell’automazione avanzata o nell’integrazione dei sistemi. È più importante far percepire che il lavoro di domani può diventare un po’ più semplice che raccontare un futuro spettacolare.

Redazione di e-mail

Si può chiedere all’IA di preparare bozze di e-mail per richieste, pianificazione di appuntamenti, ringraziamenti, scuse e comunicazioni interne.

Nel corso è utile mostrare un esempio che specifichi destinatario, obiettivo, punti da comunicare, tono e lunghezza, invece di limitarsi a chiedere «scrivi un’e-mail».

Prepara un’e-mail per concordare una data con un cliente già acquisito. Proporremo tre possibili date. Usa un tono cortese, ma non troppo formale. Il testo deve rimanere entro 300 caratteri.

Anche questo livello di dettaglio modifica sensibilmente l’output dell’IA.

Organizzazione di verbali e appunti delle riunioni

A partire dagli appunti o dalla trascrizione di una riunione, si possono organizzare le decisioni, le attività da svolgere, i punti di discussione e i compiti da completare entro l’incontro successivo.

Se si utilizza un servizio come Kanata, dotato di una funzione di sintesi che accetta documenti, immagini, audio, URL e testi, è più facile includere esercitazioni basate su verbali, appunti, materiali e registrazioni.

La redazione dei verbali interessa molti reparti. Variando il contesto tra riunioni commerciali, colloqui con le risorse umane, riunioni periodiche di progetto, riunioni direzionali e incontri con i clienti, quasi tutti i dipendenti possono trovare un’applicazione utile.

Creazione della struttura dei materiali

Si chiede all’IA di proporre la struttura di piani, offerte e materiali esplicativi interni.

Correggere una struttura già pronta può richiedere meno sforzo che partire da una pagina bianca. Anche l’autore, quando prepara materiali, talvolta chiede prima all’IA una struttura, quindi elimina, riordina e riformula i contenuti per adattarli al proprio pensiero.

Riscrittura e revisione dei testi

Si può abbreviare un testo lungo, chiarire i termini specialistici o modificare il tono in funzione dei lettori.

Poiché l’IA potrebbe alterare il significato, è indispensabile controllare il testo riscritto. Soprattutto nei documenti che includono contratti, regolamenti, specifiche, numeri o condizioni dei clienti, occorre distinguere tra revisione dello stile e modifica dei fatti.

Generazione di idee e organizzazione dei punti di discussione

L’IA è utile anche per sviluppare spunti per nuove iniziative, temi formativi, proposte per i clienti e miglioramenti dei processi.

Occorre non chiedere all’IA la «risposta corretta», ma una base da cui iniziare a ragionare. Per l’autore, il valore dell’IA consiste più nell’avviare la riflessione che nella risposta in sé.

Prevedere esercitazioni per reparto aiuta i partecipanti ad applicare questi esempi al proprio lavoro.

Tema 4: fondamenti dei prompt

Il quarto tema riguarda i fondamenti dei prompt.

Un prompt è un’istruzione rivolta all’IA. La qualità dell’output dell’IA generativa dipende in larga misura da come viene formulata. Ciò non significa che un corso per tutti i dipendenti debba insegnare tecniche avanzate di prompting.

Occorre condividere innanzitutto una struttura di base utilizzabile in qualsiasi attività. Nel corso si possono insegnare i sei elementi seguenti:

Ruolo
Indica il punto di vista da cui l’IA deve rispondere. Esempio: sei responsabile della progettazione del corso per le risorse umane.
Obiettivo
Comunica lo scopo dell’output. Esempio: voglio creare la struttura di un corso per tutti i dipendenti.
Destinatari
Specifica chi leggerà il contenuto o a chi verrà spiegato. Esempio: dipendenti senza conoscenze approfondite di IA.
Informazioni di contesto
Fornisci le condizioni e il contesto necessari per decidere. Esempio: il corso dura 90 minuti ed è rivolto a 300 persone.
Formato dell’output
Specifica il formato, come tabella, elenco puntato, e-mail o struttura di slide. Esempio: restituisci una struttura con H2 e H3.
Vincoli
Indica espressioni da evitare e precauzioni. Esempio: non inventare dati numerici. Per i punti non noti, scrivi «da verificare».

Confrontare un prompt poco efficace con uno ben formulato facilita la comprensione.

Esempio poco efficace
Pensa ai contenuti di un corso di alfabetizzazione all’IA.
Esempio efficace
Sei il progettista di un corso di alfabetizzazione all’IA per tutti i dipendenti. I destinatari sono 300 dipendenti, compresi principianti nell’uso dell’IA. Il corso dura 90 minuti e deve includere fondamenti dell’IA generativa, applicazioni lavorative, sicurezza delle informazioni ed esercitazioni. Prepara un programma con la relativa distribuzione dei tempi, strutturato con H2 e H3. Non usare troppi termini specialistici e indica con «da verificare» le premesse non note.

Anche l’esempio poco efficace produce una risposta. Tuttavia, poiché destinatari, durata, obiettivo e formato dell’output sono vaghi, è meno probabile ottenere un contenuto utilizzabile nel lavoro.

L’autore invita a considerare il prompt non come una «semplice domanda», ma come un «incarico di lavoro». Come quando si assegna un’attività a una persona, si comunicano contesto, obiettivo, condizioni e formato della consegna. Già questo accorgimento aiuta molti partecipanti a rendere più concrete le istruzioni date all’IA.

Tema 5: come verificare gli output dell’IA

Il quinto tema riguarda la verifica degli output dell’IA.

In un corso di alfabetizzazione all’IA occorre insegnare a verificare gli output con la stessa attenzione dedicata alla scrittura dei prompt.

L’IA generativa sa produrre testi naturali. Per questo, anche una risposta errata può sembrare corretta. L’autore insiste molto su questo punto nel corso: il rischio dell’IA generativa non sta tanto nelle risposte palesemente assurde, quanto negli errori formulati in modo naturale e convincente.

Il corso dovrebbe prevedere almeno le verifiche seguenti.

Verificare i numeri

Numeri relativi a fatturato, persone, percentuali, periodi, costi e quantità devono essere sempre controllati. La regola deve essere quella di confrontare i numeri prodotti dall’IA con fonti primarie, documenti interni o informazioni ufficiali, senza utilizzarli così come sono.

Verificare le date

Anche le date di eventi, contratti, pubblicazioni, modifiche legislative e scadenze richiedono un controllo. Soprattutto nei documenti interni, mescolare informazioni vecchie e nuove può causare gravi equivoci.

Verificare i nomi propri

I nomi di aziende, servizi, persone, reparti e prodotti possono essere scritti in modo errato o confusi tra loro. Nei materiali destinati all’esterno, un nome proprio errato può ridurre la fiducia e deve quindi essere sempre controllato da una persona.

Verificare citazioni e fonti

Le citazioni e le fonti indicate dall’IA potrebbero non esistere. Nel corso occorre spiegare che «anche quando compare qualcosa che sembra una citazione, bisogna sempre risalire all’originale».

Distinguere le valutazioni dai fatti

Un output dell’IA può mescolare fatti, ipotesi e proposte. I partecipanti devono acquisire l’abitudine di non leggere passivamente l’output, ma di chiedersi: «questo è un fatto, un’ipotesi o un’opinione?».

Il punto non è diffidare dell’IA. Significa rendere l’output utilizzabile in modo responsabile.

Tema 6: sicurezza informativa e dati da non inserire

Il sesto tema è la sicurezza delle informazioni.

Nell’alfabetizzazione all’IA, la sicurezza delle informazioni non deve essere rimandata. Se si insegnano prima le applicazioni utili e si presentano le precauzioni soltanto in seguito, i partecipanti potrebbero interpretare il messaggio come «si può usare comunque».

Nei corsi sull’IA generativa, l’autore tratta fin dalle prime fasi le «informazioni da non inserire». Può sembrare un tema meno invitante, ma promuovere l’uso sul lavoro lasciando questi aspetti poco chiari è più rischioso.

La formazione deve mostrare concretamente quali informazioni possono e non possono essere inserite nell’IA.

Esempi di categorie informative da affrontare nell’alfabetizzazione all’IA
Categoria Esempi Indicazione da fornire nel corso
Informazioni pubbliche Sito ufficiale, materiali pubblici, comunicati stampa In linea di principio, facilmente utilizzabili
Informazioni interne generiche Manuali interni, FAQ interne già pubblicate Utilizzare secondo le regole interne
Informazioni sui clienti Appunti commerciali, condizioni contrattuali, contenuto delle proposte Verificare contratto, autorizzazioni e mascheramento
Dati personali Nome, indirizzo, recapiti, numero identificativo del dipendente In linea di principio non inserire; mascherare se necessario
Informazioni riservate Dati sanitari, convinzioni religiose o filosofiche, dati bancari, credenziali di accesso e simili Inserimento vietato
Informazioni non pubbliche Risultati finanziari non annunciati, trasferimenti del personale, informazioni su fusioni e acquisizioni Inserimento vietato

Nell’uso dell’IA generativa occorre prestare attenzione a dati personali, informazioni sui clienti, segreti commerciali e informazioni non pubbliche. Poiché conservazione dei dati inseriti, uso per l’addestramento, privilegi degli amministratori, registrazione delle attività e trasmissione esterna variano in base al servizio di IA, occorre verificare le regole aziendali e le condizioni contrattuali.

Includere anche le basi del mascheramento rende la formazione più utile nel lavoro.

  • Sostituire il nome con «Referente A»
  • Generalizzare il nome dell’azienda, per esempio in «grande impresa manifatturiera»
  • Arrotondare gli importi, per esempio a «decine di migliaia di euro»
  • Eliminare indirizzi e recapiti
  • Non lasciare informazioni che permettano di dedurre l’identità di una persona

Il mascheramento non rende qualsiasi informazione automaticamente utilizzabile nell’IA. Combinando più elementi potrebbe comunque essere possibile identificare una persona o un cliente.

Occorre chiarire anche le regole «in caso di dubbio, non inserire» e «se non si sa come decidere, rivolgersi alla funzione competente o al reparto IT».

Per l’autore, non si deve parlare di sicurezza per bloccare l’uso dell’IA. Al contrario, chiarire l’ambito sicuro consente ai dipendenti di utilizzarla con maggiore tranquillità.

Tema 7: rapporto con diritto d’autore, dati personali e regolamenti interni

Il settimo tema riguarda il rapporto con il diritto d’autore, i dati personali e i regolamenti interni.

Il tema può sembrare difficile, ma in un corso per tutti i dipendenti l’obiettivo non è insegnare i dettagli delle leggi. È aiutare i dipendenti a riconoscere che «questo uso richiede una verifica».

Per esempio, è utile trattare casi come i seguenti:

  • Far sintetizzare all’IA un articolo esterno e usarlo in materiali interni
  • Caricare il white paper di un’altra azienda per creare una tabella comparativa
  • Far organizzare all’IA materiali ricevuti da un cliente
  • Inserire nell’IA dati delle risorse umane contenenti informazioni sui dipendenti
  • Usare un testo creato dall’IA in campagne pubblicitarie o materiali commerciali esterni
  • Pubblicare senza modifiche immagini o testi pubblicitari generati dall’IA

Questi casi possono coinvolgere diritto d’autore, contratti, protezione dei dati personali e regolamenti interni.

Occorre insegnare criteri che permettano di riconoscere «le situazioni da verificare», senza lasciare ogni decisione ai singoli dipendenti.

  • Quando si usano materiali ricevuti dall’esterno, verificare l’ambito di utilizzo previsto dal contratto
  • In presenza di dati personali, di norma non inserirli nell’IA
  • Far controllare sempre da una persona testi e immagini destinati all’esterno
  • Far verificare alle funzioni specialistiche gli output relativi a questioni legali, contrattuali o del lavoro
  • Non utilizzare l’IA in modo contrario ai regolamenti interni

In un corso per tutti i dipendenti, è più realistico ribadire che «in caso di dubbio bisogna consultare il referente competente prima di procedere» anziché entrare in interpretazioni giuridiche dettagliate.

Per l’autore, non è necessario spaventare eccessivamente i partecipanti. Il punto non è dire «non usarla perché è pericolosa», ma «impariamo a riconoscere le situazioni che richiedono una verifica».

Tema 8: esempi di utilizzo per reparto

L’ottavo tema riguarda gli esempi di utilizzo per reparto.

In un corso per tutti i dipendenti, i temi comuni potrebbero non bastare a far capire «che cosa c’entra con il mio lavoro». Inserire nella parte finale esempi specifici per reparto aiuta i partecipanti ad applicare i contenuti alle proprie attività.

L’autore consiglia di includere un esercizio per reparto. La stessa IA generativa trova infatti applicazioni diverse nelle risorse umane, nell’IT, nelle vendite e tra i manager.

Risorse umane e servizi generali

Le risorse umane e i servizi generali possono usare l’IA per comunicazioni sui corsi, FAQ interne, gestione delle richieste, materiali di onboarding e spiegazioni dei regolamenti.

Per esempio, quando si risponde a richieste basandosi sui regolamenti interni, occorre stabilire una regola come «se il regolamento non fornisce una base, invita a rivolgersi al reparto competente», anziché lasciare che l’IA risponda in termini generali.

Reparto IT

Il reparto IT può usarla per una prima organizzazione delle richieste interne, la preparazione delle regole d’uso, l’aggiornamento delle FAQ, le bozze di comunicazioni sui malfunzionamenti dei sistemi e la creazione di materiali sulla sicurezza.

È però necessario prestare attenzione alla gestione di configurazioni dei sistemi, dati degli account e informazioni sulle vulnerabilità.

Per il reparto IT, l’IA è sia uno strumento per rendere più efficiente la gestione delle richieste, sia una nuova tecnologia da gestire. La formazione deve quindi coprire entrambe le prospettive: quella di chi la usa e quella di chi la gestisce.

Vendite e marketing

Vendite e marketing possono usarla per strutturare proposte, organizzare appunti commerciali, formulare ipotesi sui problemi dei clienti, scrivere e-mail e ideare contenuti.

Le informazioni sui clienti e sulle trattative possono tuttavia includere contenuti altamente riservati. La formazione deve sempre abbinare gli esempi d’uso alle indicazioni su quali informazioni possano essere inserite nell’IA e quali debbano essere mascherate.

Responsabili e manager

I responsabili possono usarla per ordini del giorno, preparazione di colloqui individuali, bozze di commenti di valutazione, organizzazione degli elementi utili alle decisioni e bozze di OKR.

La decisione finale sulle valutazioni e sulle assegnazioni del personale non deve però essere affidata all’IA. La formazione deve chiarire che l’IA è un supporto per organizzare le idee, non un soggetto che si assume la responsabilità.

Nel presentare esempi per reparto, occorre non limitarsi a casi «apparentemente utili», ma indicare anche i rischi a cui ogni funzione deve prestare attenzione.

Tema 9: regole interne e responsabilità operative

Il nono tema riguarda le regole interne e le responsabilità operative.

L’alfabetizzazione all’IA deve affrontare non soltanto l’uso individuale, ma anche le regole aziendali. Se l’uso dell’IA si diffonde soltanto per iniziativa dei singoli, le modalità possono variare da un reparto all’altro e le regole sulla gestione delle informazioni e sul controllo della qualità diventano poco chiare.

Tra le regole interne minime da affrontare nel corso rientrano:

  • Strumenti di IA autorizzati dall’azienda
  • Strumenti di IA che non devono essere utilizzati
  • Informazioni consentite e vietate in input
  • Criteri di revisione prima di inviare materiali all’esterno
  • Procedure da seguire quando si trattano informazioni sui clienti
  • Referenti a cui segnalare i problemi
  • Responsabili e punti di contatto per ogni reparto
  • Modalità di condivisione dei prompt e dei casi d’uso

Usando Kanata, si possono combinare spazi a livello di organizzazione, progetti per singole attività, applicazioni come la chat IA e la sintesi con IA, nonché una libreria per gestire prompt e dati di riferimento riutilizzabili. Questa struttura aiuta a definire quali reparti possano trattare determinate informazioni e con quali funzioni di IA.

Per esempio, in un corso comune a tutta l’azienda è utile spiegare:

  • L’ambiente comune utilizzato da tutti i dipendenti
  • Gli ambienti utilizzati dai singoli reparti
  • Gli ambienti utilizzati per attività altamente riservate
  • L’ambiente utilizzato per la formazione
  • L’ambiente utilizzato per i test

Occorre inoltre chiarire chi è responsabile degli output dell’IA.

Anche quando un testo è stato creato dall’IA, chi lo invia all’esterno e chi lo approva se ne assumono la responsabilità. Non è accettabile giustificarsi dicendo che l’IA ha commesso un errore.

Condividere questo principio nel corso aiuta i partecipanti a comprendere sia l’ambito in cui possono usare l’IA con tranquillità, sia quello che richiede maggiore cautela.

Per l’autore, il successo dell’adozione dell’IA non dipende soltanto dalla scelta dello strumento. La continuità dell’uso nel lavoro quotidiano dipende in larga misura dalla progettazione delle regole e delle responsabilità.

Tema 10: progettazione del consolidamento dopo il corso

L’ultimo tema riguarda la progettazione del consolidamento dopo il corso.

L’alfabetizzazione all’IA non termina con una singola sessione. La continuità dell’uso dipende anche dalle abitudini che si sviluppano dopo il corso.

L’autore sottolinea spesso che la formazione non è un «evento», ma il «punto di partenza della gestione operativa». Se subito dopo il corso nasce un po’ di entusiasmo ma un mese più tardi nessuno usa l’IA, la formazione non è stata sufficiente.

Per consolidare quanto appreso sono efficaci attività come le seguenti.

Distribuire una checklist utilizzabile subito dopo il corso

Si prepara una checklist che i partecipanti possano consultare prima di usare l’IA nel lavoro.

  • L’obiettivo è chiaro?
  • Le informazioni inserite contengono dati riservati o personali?
  • È stato specificato il formato dell’output?
  • Sono stati verificati numeri e nomi propri?
  • Una persona ha rivisto il contenuto prima dell’invio all’esterno?

Svolgere una breve esercitazione entro una settimana

Anche se i contenuti sono chiari subito dopo il corso, con il tempo le modalità d’uso possono essere dimenticate. È quindi utile proporre, entro una settimana, una breve esercitazione in cui ogni partecipante prova un’applicazione dell’IA al lavoro.

  • Elencare tre attività del proprio lavoro che si prestano a essere affidate all’IA
  • Preparare con l’IA la bozza di un’e-mail
  • Organizzare con l’IA gli appunti di una riunione
  • Formulare una richiesta applicando la struttura dei prompt appresa nel corso
  • Controllare l’output e annotare le correzioni

La comprensione dei contenuti deve tradursi in comportamenti concreti nel lavoro.

Condividere i casi d’uso in ogni reparto

Dopo il corso comune a tutti i dipendenti, si organizza un momento di condivisione per reparto. Anche dopo aver seguito la stessa formazione, le situazioni di utilizzo variano tra risorse umane, IT, vendite e manager.

La condivisione per reparto facilita la scoperta che «potrei usarla anche nel mio lavoro».

L’autore consiglia di condividere non solo i successi, ma anche i fallimenti. Prompt che non hanno funzionato, errori individuati durante il controllo degli output e situazioni in cui ci si è accorti di non poter inserire determinate informazioni sono anch’essi importanti occasioni di apprendimento per l’organizzazione.

Archiviare prompt e materiali formativi

I prompt usati di frequente e i materiali formativi vanno resi accessibili e riutilizzabili dall’organizzazione, anziché restare negli appunti personali.

Quando si dispone di un ambiente come Kanata, in cui prompt e dati di riferimento possono essere gestiti per progetto, è più facile archiviare i prompt usati nel corso, le domande frequenti, le regole interne e i materiali di esempio. Riutilizzare a livello organizzativo gli accorgimenti dei singoli contribuisce al consolidamento dopo il corso.

Collegare la formazione continua all’e-learning

Si può anche tenere dal vivo il primo corso per tutti i dipendenti e consentire poi il ripasso tramite e-learning.

Se si utilizza un ambiente come Kanata, che distribuisce contenuti video in formato e-learning e consente ai partecipanti di porre domande all’IA sui contenuti, si può creare un percorso che permetta di rivedere i punti non chiari dopo il corso e ricevere spiegazioni aggiuntive quando necessario.

Consentire ai partecipanti di rivedere i punti non chiari trasforma un singolo corso in un percorso di apprendimento continuo.

Esempi di struttura del programma formativo

Vediamo ora come tradurre i 10 temi in un corso concreto.

Il livello di approfondimento varia in base alla durata. Di seguito sono illustrati tre esempi ipotetici: un corso di 90 minuti, un corso di mezza giornata e un formato abbinato all’e-learning.

Esempio di corso di 90 minuti

I destinatari sono tutti i dipendenti, compresi i principianti nell’uso dell’IA. L’obiettivo è creare una base comune di conoscenze e condividere modalità d’uso sicure.

Esempio di struttura di un corso di alfabetizzazione all’IA di 90 minuti
Tempo Contenuto
0-10 minuti Obiettivo dell’alfabetizzazione all’IA
10-25 minuti Fondamenti di IA, IA generativa e LLM
25-40 minuti Che cosa può e non può fare l’IA generativa
40-55 minuti Fondamenti dei prompt
55-70 minuti Sicurezza delle informazioni e dati vietati
70-80 minuti Come verificare gli output dell’IA
80-90 minuti Esercitazione dopo il corso e checklist

In un corso di 90 minuti, è preferibile concentrarsi sulla condivisione di una base comune anziché approfondire ogni aspetto. Gli esempi per reparto e le esercitazioni possono essere affrontati in una formazione successiva.

Esempio di corso di mezza giornata

Il corso si rivolge a chi opera nelle risorse umane, nella trasformazione digitale e nell’IT, ai referenti di reparto e alle altre figure che promuovono l’adozione interna. L’obiettivo è metterli in condizione di promuovere formazione e utilizzo nel proprio reparto.

Esempio di struttura di un corso di alfabetizzazione all’IA di mezza giornata
Tempo Contenuto
0-30 minuti Fondamenti dell’alfabetizzazione all’IA e obiettivi del corso
30-60 minuti Che cosa può e non può fare l’IA generativa
60-90 minuti Esercitazione sui prompt
90-120 minuti Gestione delle informazioni e regole interne
120-150 minuti Laboratorio per reparto
150-180 minuti Progettazione delle misure di consolidamento dopo il corso
180-240 minuti Creazione e condivisione di un piano formativo per il proprio reparto

Nel corso di mezza giornata, i partecipanti sono considerati potenziali «formatori interni» o «referenti di reparto». Chiedere loro di progettare la struttura di un corso collega la formazione a un compito concreto.

Anche quando presta supporto, l’autore attribuisce importanza al fatto che queste persone partecipino non come semplici discenti, ma come soggetti incaricati di diffondere i contenuti internamente. In caso contrario, la formazione rischia di restare un evento isolato.

Esempio di formato abbinato all’e-learning

Il percorso si rivolge a tutti i dipendenti ed è pensato per le aziende che vogliono consentire la formazione in momenti diversi. L’obiettivo è apprendere le nozioni di base tramite e-learning e svolgere le esercitazioni dal vivo.

  1. Seguire il corso di base in e-learning
  2. Verificare la comprensione con un test
  3. Svolgere dal vivo un’esercitazione sui prompt
  4. Condividere i casi d’uso per reparto
  5. Valutare il livello di utilizzo dopo un mese

Questo formato è adatto alle aziende che hanno difficoltà a riunire contemporaneamente tutti i dipendenti o che sono distribuite tra più sedi e reparti.

Se si dispone di un ambiente come Kanata, che integra chat IA, sintesi con IA ed e-learning in un’unica piattaforma operativa, è più facile collegare formazione, esercitazioni, ripasso e applicazione pratica.

Tuttavia, introdurre lo strumento non basta a consolidare la formazione. Occorre decidere chi aggiorna i materiali, chi risponde alle domande e con quale frequenza vengono riviste le regole.

Checklist per evitare lacune nell’alfabetizzazione all’IA

Durante la progettazione, verificare che non vi siano lacune nei seguenti ambiti.

Conoscenze

  • Sono spiegate le differenze tra IA, IA generativa e LLM?
  • Viene affrontata la differenza tra ricerca e IA generativa?
  • Sono illustrati i punti di forza e di debolezza dell’IA generativa?
  • È spiegata la possibilità che l’IA commetta errori?

Pratica

  • Sono mostrati esempi concreti utilizzabili nel lavoro?
  • Viene insegnata la struttura di base dei prompt?
  • Vengono confrontati esempi poco efficaci ed efficaci?
  • Sono previste esercitazioni pratiche per i partecipanti?

Rischi

  • Sono indicate chiaramente le informazioni da non inserire?
  • È spiegata la gestione dei dati personali e delle informazioni riservate?
  • Sono trattati diritto d’autore e regolamenti interni?
  • Sono illustrate le regole per verificare gli output?

Gestione operativa

  • Sono indicati gli strumenti utilizzabili?
  • È spiegata la responsabilità della revisione prima dell’invio all’esterno?
  • Sono indicati i referenti a cui rivolgersi in caso di dubbi?
  • È prevista un’attività pratica dopo il corso?
  • È prevista un’occasione per rivedere il livello di adozione?

Questa checklist è utile anche per confrontare le proposte dei fornitori di formazione.

Per esempio, se un corso è molto solido sulle esercitazioni relative ai prompt ma non affronta la sicurezza delle informazioni o le regole interne, l’azienda dovrà preparare contenuti integrativi.

Al contrario, se le spiegazioni dei rischi prevalgono e le esercitazioni sono scarse, i partecipanti potrebbero concludere il corso con la sola impressione che «l’IA è pericolosa».

L’alfabetizzazione all’IA deve bilanciare quattro aspetti: conoscenze, pratica, rischi e gestione operativa.

Come integrare Kanata nella gestione del corso

La gestione dell’alfabetizzazione all’IA comprende diversi processi: creazione dei materiali, fruizione, esercitazioni, revisione, raccolta e condivisione delle conoscenze.

Poiché Kanata integra chat IA, sintesi con IA ed e-learning in un’unica piattaforma operativa, può essere inserita in alcune fasi della gestione del corso. Kanata non è però l’unica opzione. Si può anche combinarla con LMS, strumenti di chat, sistemi di gestione delle conoscenze e servizi di IA generativa già in uso nell’azienda.

Kanata è indicata quando si desidera gestire, per quanto possibile attraverso un unico percorso, contenuti formativi, esercitazioni con l’IA, sintesi, prompt e dati di riferimento.

Svolgere esercitazioni sui prompt con la chat IA

Durante il corso, i partecipanti preparano prompt basati sulle proprie attività lavorative e controllano gli output nella chat IA. Il docente verifica non soltanto se l’output è adeguato, ma anche se sono stati indicati obiettivo, premesse, formato e vincoli.

Esercitarsi a sintetizzare verbali e materiali con la sintesi IA

Si svolgono esercitazioni di sintesi utilizzando appunti di riunione e materiali. Una funzione di sintesi che accetta documenti, immagini, audio, URL e testi consente di adattare più facilmente gli esercizi a verbali, materiali formativi e documenti interni condivisi.

Distribuire la formazione di base tramite e-learning

La parte di base comune a tutti i dipendenti viene distribuita come contenuto video e ne viene verificata la fruizione. Successivamente, corsi dal vivo o laboratori per reparto possono affrontare esercitazioni più vicine alle attività reali, distinguendo la fase di apprendimento da quella di applicazione.

Archiviare prompt e dati di apprendimento

I prompt usati nel corso, le domande frequenti, le regole interne e i materiali di esempio vengono archiviati nella libreria. Rendere riutilizzabili dall’organizzazione gli accorgimenti dei singoli contribuisce al consolidamento dopo il corso.

Kanata non garantisce automaticamente il successo dell’alfabetizzazione all’IA. Occorre definire obiettivi, destinatari, regole interne e responsabilità operative, quindi integrare Kanata nelle parti necessarie.

Nell’adozione dell’IA, l’autore attribuisce importanza alla scelta di uno strumento a partire da un problema concreto da risolvere. Lo stesso vale per la gestione del corso.

Conclusione: progettare la formazione aziendale sull’alfabetizzazione all’IA a partire da 10 temi

Nell’alfabetizzazione all’IA non conta soltanto comunicare l’utilità dell’IA generativa.

Occorre che tutti i dipendenti dispongano di criteri decisionali che consentano un uso sicuro, realistico e applicabile al lavoro.

Progettare i contenuti intorno ai 10 temi seguenti aiuta a evitare lacune.

  1. Concetti di base di IA, IA generativa e LLM
  2. Che cosa può e non può fare l’IA generativa
  3. Principali casi d’uso facilmente applicabili al lavoro
  4. Fondamenti dei prompt
  5. Come verificare gli output dell’IA
  6. Sicurezza delle informazioni e dati da non inserire
  7. Rapporto con diritto d’autore, dati personali e regolamenti interni
  8. Esempi di utilizzo per reparto
  9. Regole interne e responsabilità operative
  10. Progettazione del consolidamento dopo il corso

Chi si occupa del corso dovrebbe innanzitutto organizzare questi 10 temi in una parte comune, quindi adeguare il livello di approfondimento al settore, alla struttura dei reparti, agli strumenti utilizzati e alle regole di gestione delle informazioni della propria azienda.

L’alfabetizzazione all’IA non serve soltanto a insegnare le stesse nozioni a tutti. Crea una base comune da cui sviluppare le competenze necessarie a ciascun ruolo.

L’esperienza dell’autore nel lavoro quotidiano mostra che le aziende più efficaci nell’uso dell’IA non cercano fin dall’inizio risultati troppo ambiziosi. Prima definiscono un ambito in cui i dipendenti possano sperimentare con tranquillità. Poi iniziano in piccolo, nelle attività ricorrenti. Infine condividono in azienda le modalità che hanno funzionato. È questa progressione che, in definitiva, consolida l’uso dell’IA.

Domande e risposte: quesiti frequenti sull’alfabetizzazione all’IA

Quanto dovrebbe durare un corso di alfabetizzazione all’IA?

Per un primo corso per tutti i dipendenti, è realistico partire da circa 90 minuti per creare una base comune di conoscenze. Il programma affronta i fondamenti dell’IA, ciò che può e non può fare, la struttura dei prompt, la sicurezza delle informazioni e la verifica degli output. Se si includono esercitazioni per reparto e la preparazione delle regole interne, è preferibile organizzare un corso di mezza giornata o più sessioni.

Da dove iniziare se molti partecipanti sono principianti nell’uso dell’IA?

All’inizio è più comprensibile partire da esempi vicini al lavoro quotidiano anziché da termini specialistici. E-mail, organizzazione dei verbali, riscrittura dei testi e creazione della struttura dei materiali sono temi che i partecipanti possono applicare facilmente alle proprie attività. Aggiungendo poi una breve spiegazione dei concetti di IA, IA generativa e LLM, conoscenze e pratica si collegano più facilmente.

Che cosa bisogna insegnare nel corso sui prompt?

Prima delle tecniche avanzate, è utile insegnare i sei elementi «ruolo», «obiettivo», «destinatari», «informazioni di contesto», «formato dell’output» e «vincoli». Per esempio, invece di chiedere «pensa ai contenuti di un corso di alfabetizzazione all’IA», specificare «i destinatari sono 300 persone, compresi principianti nell’uso dell’IA; il corso dura 90 minuti; l’output deve essere un programma con la distribuzione dei tempi» tende ad aumentare l’utilità dell’output.

Fino a che punto bisogna trattare la sicurezza delle informazioni?

Occorre almeno affrontare la classificazione tra informazioni che si possono e non si possono inserire. Dati personali, informazioni sui clienti, segreti commerciali, informazioni finanziarie non pubbliche e dati delle risorse umane vengono trattati in modo diverso in base al servizio di IA e alle regole interne. Occorre comunicare anche i criteri di comportamento «in caso di dubbio, non inserire» e «se non si sa come decidere, rivolgersi all’IT o alla funzione amministrativa».

Che cosa serve per consolidare l’uso dell’IA dopo il corso?

Sono utili brevi esercitazioni successive, condivisione dei casi d’uso per reparto, archiviazione di prompt e materiali e revisione periodica delle regole. Una singola sessione di formazione difficilmente modifica i comportamenti nel lavoro quotidiano. Occorre progettare il corso come punto di partenza della gestione operativa, per esempio chiedendo un utilizzo pratico entro una settimana e valutando il livello di utilizzo dopo un mese.

Condividi questo articolo