Quando l'IA cambia le regole dell'apprendimento, anche le catene di approvvigionamento devono cambiare

Un professore di matematica dell'Università della California, Berkeley, ha smesso di valutare i compiti per la correttezza dopo aver concluso che gli strumenti di intelligenza artificiale possono ora aiutare gli studenti a produrre risposte di alta qualità troppo facilmente. Il professor Richard Borcherds ora assegna crediti principalmente per il completamento degli incarichi e basa i voti su esami in presenza e senza dispositivi.

La sua decisione è più di un dibattito sulla politica del campus. È un avvertimento per ogni settore che dipende da talenti qualificati, comprese le catene di approvvigionamento globali: quando l'IA può generare output raffinati, le organizzazioni devono imparare a valutare il giudizio, l'applicazione e la responsabilità, non solo la risposta finale.

La lezione per le catene di approvvigionamento

Il lavoro nella catena di approvvigionamento ha a lungo premiato le persone in grado di analizzare dati, risolvere problemi operativi e produrre piani accurati. L'IA sta cambiando questa equazione rendendo disponibili in pochi secondi previsioni, opzioni di percorso, raccomandazioni sull'inventario, riepiloghi dei fornitori e persino bozze di negoziazioni.

Ma un output di IA dall'aspetto corretto non è la stessa cosa di una solida decisione aziendale. Un pianificatore può ricevere una previsione accurata della domanda, ma deve comunque metterla in discussione rispetto a una promozione, un vincolo del fornitore, un'interruzione portuale, un evento meteorologico o un cambiamento nel comportamento del cliente. Il contributo umano si sta spostando dalla produzione della risposta al metterla in discussione, convalidarla e agire di conseguenza.

Dalle risposte al giudizio

La preoccupazione di Borcherds è che la valutazione delle risposte finali non dimostra più che uno studente comprende la matematica sottostante. Lo stesso problema si applica alle catene di approvvigionamento: un rapporto raffinato generato dall'IA non dimostra che un pianificatore comprende il rischio di inventario, la capacità del fornitore, le regole commerciali o le conseguenze di un'esaurimento scorte.

Il futuro talento della catena di approvvigionamento deve quindi essere formato per spiegare il proprio ragionamento, difendere una raccomandazione, identificare lacune nei dati e prendere decisioni quando le informazioni sono incomplete. Queste sono le competenze che rimangono preziose quando l'IA può generare la prima bozza, il calcolo o lo scenario alternativo.

Ripensare lo sviluppo dei talenti

L'industria della catena di approvvigionamento non dovrebbe rispondere vietando l'IA o trattandola come una scorciatoia. Invece, dovrebbe riprogettare l'apprendimento e il lavoro in modo che i giovani professionisti utilizzino l'IA come partner di pensiero, sviluppando al contempo un giudizio operativo fondamentale.

Ciò significa andare oltre la formazione delle persone per completare compiti di routine. Apprendistati, simulazioni dal vivo, negoziazioni con i fornitori, esercizi di risposta alle interruzioni e progetti operativi reali possono mostrare se un giovane professionista è in grado di tradurre l'analisi in azioni responsabili. I datori di lavoro dovrebbero valutare come i candidati inquadrano i problemi, mettono in discussione le raccomandazioni dell'IA, collaborano tra le funzioni e spiegano i compromessi alla base di una decisione.

Proteggere l'apprendimento a livello di ingresso

Gartner riferisce che il 55% dei leader della catena di approvvigionamento si aspetta che l'IA agentica riduca la necessità di assunzioni a livello di ingresso, mentre il 51% si aspetta un passaggio alla supervisione degli agenti di IA. Allo stesso tempo, l'86% concorda sul fatto che l'IA richiederà nuovi processi per lo sviluppo di future pipeline di talenti.

Ciò crea un rischio: se l'IA assorbe i compiti di routine attraverso i quali il personale junior un tempo imparava, le aziende potrebbero avere difficoltà a sviluppare la prossima generazione di pianificatori esperti e leader delle operazioni. La soluzione è riprogettare i ruoli di livello base attorno alla presa di decisioni supervisionata, alla gestione delle eccezioni, all'impegno dei fornitori e all'apprendimento continuo, non semplicemente rimuoverli.

Costruire talenti pronti per l'IA

Le organizzazioni della catena di approvvigionamento dovrebbero rendere l'alfabetizzazione all'IA una capacità fondamentale, ma definirla in modo ampio. Non è sufficiente sapere come "promptare" un modello; i professionisti devono comprendere la qualità dei dati, le limitazioni del modello, i bias, la cybersecurity, la responsabilità e quando il giudizio umano dovrebbe prevalere su una raccomandazione automatizzata.

Un approccio pratico è abbinare ogni flusso di lavoro abilitato all'IA a un punto di controllo umano. Ad esempio, l'IA può identificare una probabile interruzione della fornitura, ma un pianificatore deve verificare la fonte, valutare l'impatto aziendale, consultare i partner interessati e decidere la risposta. Ciò preserva la velocità mantenendo la responsabilità.

Il risultato finale

La decisione del professore di Berkeley mostra che l'IA sta costringendo l'istruzione a distinguere tra produrre una risposta e possedere comprensione. Le catene di approvvigionamento globali affrontano la stessa prova. Le organizzazioni che prospereranno saranno quelle che utilizzeranno l'IA per amplificare il giudizio umano, riprogetteranno i ruoli di inizio carriera come opportunità di apprendimento e svilupperanno talenti capaci di guidare reti complesse attraverso l'incertezza.

Fonte: https://www.ndtv.com/world-news/california-professor-stops-grading-homework-after-spotting-students-growing-reliance-on-ai-12240518