Lavorare con l’AI “impigrisce” il cervello, fino al punto da rendere le persone “meno intelligenti”. Lo afferma un recente studio condotto da Microsoft e la Carnegie Mellon University, che ha esaminato 319 lavoratori del settore della conoscenza per valutare come e quando si affidano all’intelligenza artificiale per svolgere compiti lavorativi e in che modo ciò influisce sulla loro percezione delle capacità di pensiero critico. I risultati mostrano che più i lavoratori si affidano all’AI, meno pensiero critico esercitano.
L’impatto dell’AI generativa sul pensiero critico nel lavoro della conoscenza
La ricerca di Microsoft e Carnegie Mellon University ha rivelato che il 59,29% dei partecipanti ha dichiarato di aver messo in atto processi di pensiero critico durante l’utilizzo di strumenti di AI generativa per compiti lavorativi. Questo dato evidenzia come l’integrazione di queste tecnologie nei flussi di lavoro stia catalizzando una riflessione più profonda sui processi decisionali e sulla qualità degli output prodotti.
Tuttavia, lo studio ha anche messo in luce una tendenza preoccupante: un’elevata fiducia nelle capacità dell’AI è associata a una minore propensione al pensiero critico, mentre una maggiore fiducia nelle proprie capacità correla con un aumento dell’impegno critico, anche se percepito come più faticoso. Questa dinamica solleva interrogativi importanti sulla possibile erosione delle competenze di pensiero indipendente a lungo termine, specialmente in contesti dove l’AI viene utilizzata per compiti di routine o considerati di minore importanza.
La ricerca di Microsoft e Carnegie Mellon University ha inoltre evidenziato un cambiamento nella natura stessa del pensiero critico, che si sta spostando verso attività di verifica delle informazioni, integrazione delle risposte dell’AI e supervisione complessiva dei processi. Questo shift sottolinea la necessità di sviluppare nuove competenze metacognitive per navigare efficacemente l’interazione uomo-AI, mantenendo al contempo un approccio critico e riflessivo al proprio lavoro.
Quando e come i lavoratori della conoscenza percepiscono l’attivazione del pensiero critico
L’indagine condotta ha gettato luce su quando e come i lavoratori della conoscenza percepiscono di attivare il pensiero critico nell’utilizzo di strumenti di AI generativa. Un dato significativo emerge dall’analisi di 936 esempi reali di utilizzo di questi strumenti: i lavoratori hanno riportato di aver esercitato il pensiero critico nel 59,29% dei casi. Questo elevato tasso di engagement critico si manifesta principalmente in tre fasi distinte del processo lavorativo con l’AI:
- la formazione degli obiettivi e delle query
- l’ispezione delle risposte generate
- l’integrazione di queste nel flusso di lavoro.
Durante la fase di formazione degli obiettivi, i lavoratori riferiscono di riflettere attentamente sulle loro intenzioni e sui modi migliori per tradurle in prompt efficaci per l’AI. Ad esempio, un partecipante ha descritto come, nel generare un’immagine per una presentazione sull’igiene delle mani, abbia dovuto iterare più volte sul prompt per ottenere un risultato che includesse tutti gli elementi necessari.
Nella fase di ispezione delle risposte, i lavoratori applicano criteri sia oggettivi che soggettivi per valutare la qualità e l’accuratezza degli output dell’AI. Questo processo include la verifica delle fonti citate, il cross-referencing con fonti esterne autorevoli e la valutazione della coerenza logica e della rilevanza delle informazioni fornite.
Un esempio emblematico è quello di un trader di forex e commodities che ha riferito di valutare attentamente la logica interna delle raccomandazioni generate dall’AI per affinare le proprie strategie di trading.
Infine, nella fase di integrazione, i lavoratori esercitano il pensiero critico nel selezionare quali parti delle risposte dell’AI incorporare nel loro lavoro e come adattarle stilisticamente al contesto specifico. Questo processo di “integrazione critica” richiede un equilibrio delicato tra l’utilizzo efficiente delle capacità dell’AI e il mantenimento dell’autenticità e dell’appropriatezza del lavoro finale. La ricerca ha anche evidenziato come la percezione dell’attivazione del pensiero critico sia fortemente influenzata dalla fiducia dei lavoratori nelle proprie capacità e in quelle dell’AI.
Paradossalmente, una maggiore fiducia nelle capacità dell’AI è associata a una minore propensione al pensiero critico, mentre una maggiore fiducia in sé stessi correla con un aumento dell’impegno critico, anche se percepito come più faticoso.
Studio Microsoft – Carnegie Mellon University: fattori che influenzano lo sforzo percepito nel pensiero critico con l’AI
L’analisi dei fattori che influenzano lo sforzo percepito nel pensiero critico durante l’utilizzo di strumenti di AI generativa rivela un quadro complesso di dinamiche cognitive e comportamentali. Lo studio ha identificato correlazioni significative tra la fiducia dei lavoratori nelle proprie capacità, la loro fiducia nell’AI e lo sforzo percepito nelle varie attività cognitive associate al pensiero critico.
Un dato particolarmente rilevante emerge dall’analisi quantitativa: una maggiore fiducia nelle capacità dell’AI è associata a una percezione di minor sforzo in quattro delle sei attività cognitive esaminate (Conoscenza, Applicazione, Analisi e Valutazione).
Ad esempio, per l’attività di Valutazione, il coefficiente di correlazione è di -0,24 (p<0,001), indicando una riduzione significativa dello sforzo percepito all’aumentare della fiducia nell’AI. Questo fenomeno potrebbe essere interpretato come un segnale di potenziale sovra-affidamento sulle capacità dell’AI, con il rischio di una diminuzione dell’engagement critico da parte dei lavoratori.
D’altra parte, una maggiore fiducia nelle proprie capacità è associata a una percezione di maggior sforzo, specialmente nelle attività di Applicazione (β=0,08, p=0,029) e Valutazione (β=0,10, p=0,027). Questa apparente contraddizione suggerisce che i lavoratori più sicuri delle proprie competenze tendono a impegnarsi più attivamente nel processo di pensiero critico, pur percependolo come più impegnativo.
L’analisi qualitativa delle risposte dei partecipanti ha rivelato ulteriori sfumature in questo quadro. Molti lavoratori hanno riportato una riduzione dello sforzo percepito nelle attività di recupero e organizzazione delle informazioni, grazie all’automazione offerta dall’AI. Tuttavia, hanno anche segnalato un aumento dello sforzo nelle attività di verifica e integrazione delle informazioni generate dall’AI.
Ad esempio, un partecipante alla ricerca ha descritto come, pur ricevendo rapidamente informazioni dettagliate su vari settori industriali attraverso ChatGPT, abbia dovuto investire tempo significativo nella verifica dell’accuratezza di tali informazioni. Questo shift nell’allocazione dello sforzo cognitivo sottolinea la necessità di sviluppare nuove competenze di “stewardship” dell’AI, che includono la capacità di guidare, monitorare e integrare criticamente gli output dell’AI nel proprio flusso di lavoro.
Cambiamenti nel processo di pensiero critico dovuti all’AI generativa
L’introduzione dell’A generativa nei processi lavorativi sta catalizzando una trasformazione significativa nelle modalità di esercizio del pensiero critico.
La ricerca di Microsoft e Carnegie Mellon University ha identificato tre principali aree di cambiamento:
- lo spostamento dall’acquisizione di informazioni alla loro verifica,
- il passaggio dalla risoluzione diretta dei problemi all’integrazione delle risposte dell’AI
- la transizione dall’esecuzione dei compiti alla loro supervisione.
Per quanto riguarda il primo aspetto, i lavoratori riportano una diminuzione dello sforzo percepito nell’accesso e nell’organizzazione delle informazioni, grazie all’efficienza dell’AI nel recuperare e strutturare dati rilevanti. Tuttavia, questo vantaggio è controbilanciato da un aumento dell’impegno necessario per verificare l’accuratezza e l’affidabilità delle informazioni generate dall’AI.
Un partecipante ha descritto come, pur ottenendo rapidamente riassunti dettagliati attraverso l’AI, abbia dovuto investire tempo significativo nel cross-referencing con fonti autorevoli per garantire la validità delle informazioni. Questo shift sottolinea l’importanza crescente delle competenze di valutazione critica delle fonti nell’era dell’AI generativa.
Il secondo cambiamento riguarda il processo di problem-solving. Mentre l’AI offre soluzioni personalizzate e contestualizzate, i lavoratori si trovano a dover dedicare più energie all’integrazione critica di queste soluzioni nel loro flusso di lavoro. Questo processo richiede non solo la valutazione dell’appropriatezza delle soluzioni proposte, ma anche il loro adattamento al contesto specifico e l’allineamento con gli standard qualitativi richiesti.
Ad esempio, un partecipante ha descritto come, nel generare contenuti promozionali, abbia dovuto investire tempo significativo nell’editing e nell’adattamento delle proposte dell’AI per allinearle alle linee guida di marketing e al tono comunicativo dell’azienda.
Infine, il terzo cambiamento riguarda lo spostamento dal focus sull’esecuzione dei compiti alla loro supervisione complessiva. I lavoratori riferiscono di dedicare più energie alla definizione degli obiettivi, alla formulazione precisa delle query per l’AI e alla valutazione critica degli output generati. Questo nuovo ruolo di “stewardship” richiede lo sviluppo di competenze metacognitive avanzate, come la capacità di anticipare le potenziali limitazioni dell’AI, di guidare il processo iterativo di generazione e raffinamento delle risposte, e di mantenere una visione d’insieme del progetto che vada oltre le singole interazioni con l’AI.
Sfide e opportunità per il design di strumenti AI a supporto del pensiero critico
L’analisi delle esperienze dei lavoratori della conoscenza nell’utilizzo di strumenti di AI generativa ha evidenziato una serie di sfide e opportunità cruciali per il design di sistemi che supportino efficacemente il pensiero critico.
Una delle sfide principali emerge dalla tendenza, osservata nello studio, a una riduzione dell’engagement critico in presenza di un’elevata fiducia nelle capacità dell’AI. Per contrastare questo fenomeno, i ricercatori suggeriscono l’implementazione di meccanismi di feedback che aiutino gli utenti a calibrare meglio la loro fiducia nell’AI, evidenziando sia i punti di forza che le limitazioni dei sistemi. Questi meccanismi potrebbero includere la visualizzazione del grado di certezza dell’AI nelle sue risposte, o l’esplicitazione delle fonti e dei ragionamenti alla base dei suoi output.
Un’altra sfida significativa riguarda la necessità di bilanciare l’efficienza offerta dall’AI con il mantenimento di un livello adeguato di engagement cognitivo da parte dell’utente. A questo proposito, i ricercatori propongono lo sviluppo di interfacce che incoraggino una “collaborazione” attiva tra uomo e AI, piuttosto che una semplice delega di compiti. Queste interfacce potrebbero, ad esempio, richiedere input iterativi dell’utente durante il processo di generazione, o presentare multiple alternative tra cui l’utente deve scegliere criticamente.
L’AI supporta lo sviluppo di competenze metacognitive avanzate
Sul fronte delle opportunità, lo studio ha evidenziato il potenziale degli strumenti di AI nel supportare lo sviluppo di competenze metacognitive avanzate. I ricercatori suggeriscono la creazione di funzionalità che guidino l’utente attraverso processi strutturati di riflessione critica, come la formulazione di controargomenti, l’identificazione di potenziali bias, o l’esplorazione di scenari alternativi. Queste funzionalità potrebbero essere integrate in modo proattivo nei flussi di lavoro, intervenendo in momenti chiave per stimolare una riflessione più profonda.
Un’altra opportunità significativa risiede nel potenziale dell’AI di fornire feedback personalizzati e contestualizzati sul processo di pensiero critico dell’utente. I ricercatori propongono lo sviluppo di sistemi che analizzino le interazioni dell’utente con l’AI nel tempo, identificando pattern di pensiero critico e offrendo suggerimenti mirati per il miglioramento. Questo approccio potrebbe trasformare l’utilizzo dell’AI da una semplice automazione di compiti a un vero e proprio strumento di sviluppo professionale continuo.
Microsoft e Carnegie Mellon University: implicazioni per lo sviluppo delle competenze e la formazione dei lavoratori
Le trasformazioni indotte dall’AI generativa nel processo di pensiero critico hanno profonde implicazioni per lo sviluppo delle competenze e la formazione dei lavoratori della conoscenza. Lo studio ha messo in luce la necessità di un approccio formativo che vada oltre l’insegnamento delle mere competenze tecniche nell’uso degli strumenti di IA, per focalizzarsi sullo sviluppo di capacità metacognitive avanzate. In particolare, emerge l’importanza di formare i lavoratori a navigare efficacemente l’interazione uomo-IA, mantenendo un approccio critico e riflessivo.
I ricercatori suggeriscono che i programmi di formazione dovrebbero concentrarsi su tre aree chiave:
- la verifica delle informazioni
- l’integrazione critica delle risposte dell’AI
- la supervisione complessiva dei processi.
Per quanto riguarda la verifica delle informazioni, è cruciale sviluppare competenze avanzate di valutazione delle fonti e di cross-referencing, adattate al contesto specifico dell’AI generativa. Questo include la capacità di identificare potenziali bias nelle risposte dell’AI, di valutare la coerenza interna delle informazioni generate e di confrontarle efficacemente con fonti autorevoli esterne.
Integrazione critica, supervisione dei processi e apprendimento continuo
L‘integrazione critica delle risposte dell’AI richiede lo sviluppo di competenze di adattamento e contestualizzazione. I lavoratori devono essere formati a valutare non solo l’accuratezza delle risposte dell’AI, ma anche la loro appropriatezza rispetto agli obiettivi specifici del compito, agli standard qualitativi richiesti e al contesto più ampio del progetto.
Infine, la supervisione dei processi implica lo sviluppo di competenze di “stewardship” dell’AI, che includono la capacità di formulare query efficaci, di guidare il processo iterativo di generazione e raffinamento delle risposte, e di mantenere una visione d’insieme che integri l’output dell’AI con gli obiettivi più ampi del progetto. I ricercatori sottolineano l’importanza di un approccio formativo che combini teoria e pratica, suggerendo l’implementazione di esercizi basati su scenari reali che permettano ai lavoratori di sperimentare diverse strategie di interazione critica con l’AI. Inoltre, dato il rapido evolversi delle tecnologie di AI, si evidenzia la necessità di un approccio di apprendimento continuo.
La ricerca di SBS Swiss Business School
Un altro studio condotto da Michael Gerlich presso la SBS Swiss Business School sembra confermare i risultati della ricerca di Microsoft e Carnegie Mellon University. La ricerca, difatti, ha trovato una correlazione negativa significativa tra l’uso dell’AI e le capacità di pensiero critico. Con 666 partecipanti, la ricerca ha dimostrato che i giovani, che tendono a utilizzare l’AI più frequentemente, ottengono punteggi più bassi nella risoluzione riflessiva dei problemi rispetto ai gruppi più anziani. Questo suggerisce che una dipendenza eccessiva dall’AI può erodere abilità cognitive essenziali come l’analisi e il ragionamento indipendente
