E se l'intelligenza artificiale ci complicasse il lavoro, invece di semplificarlo? Questo è quello che si chiede Barbara Ribeiro dell'Istituto di Ricerca e Innovazione dell'Università di Manchester. Insieme a tre colleghi, la ricercatrice ha condotto uno studio sull'effettiva utilità dei modelli di IA per automatizzare task ripetitivi.
La ricerca si è concentrata sul campo della biologia sintetica, una disciplina che si occupa di sviluppare sistemi biologici artificiali per sintetizzare nuove molecole.
I ricercatori e scienziati attivi in questo ramo della biologia fanno ampio uso di algoritmi di machine learning per programmare gli esperimenti e analizzare i risultati. Se da una parte molti processi vengono automatizzati, dall'altra si moltiplicano le attività che gli scienziati devono supervisionare.
In primo luogo l'automazione dei task ha incrementato il numero di test da eseguire: l'IA considera anche i minimi cambiamenti del set-up iniziale dell'esperimento e delle ipotesi da verificare. I ricercatori si trovano così a dover analizzare e validare un volume più elevato di risultati.
Inoltre, gran parte del lavoro sta nel configurare le piattaforme di IA e supervisionarne il processo decisionale affinché non commetta errori. I sistemi automatici vanno addestrati a eseguire esperimenti che prima venivano svolti dai ricercatori e continuamente monitorati per garantire il corretto svolgimento di ogni step.
Dietro l'ascesa dei moderni sistemi di IA c'è quello che Ribeiro definisce come il "paradosso della digitalizzazione", un'idea che si scontra con l'attuale convinzione che più digitalizzazione significa più produttività e meno tempo speso in task ripetitivi.
Ciò che emerge dalla ricerca è che il tempo risparmiato nell'eseguire alcuni task viene ora speso nell'addestrare e supervisionare gli algoritmi di IA, e questo perché attualmente i sistemi automatici non sono ancora del tutto autonomi. Queste considerazioni valgono anche per tutti gli altri settori dove si usano modelli di IA che vanno continuamente controllati e messi a punto.
Nonostante si rivelano un ottimo aiuto in diversi ambiti, le piattaforme di IA non sono ancora in grado di garantire un aumento significativo della produttività. Nel frattempo le skill dei professionisti si stanno evolvendo verso un mondo poco esplorato, adattandosi alle tecnologie emergenti.
