Il metabolismo delle competenze nell'era dell'AI

Durante questo periodo di pausa estiva ho avuto modo di approfondire uno degli aspetti (ambiti?) che nella trattazione offerta nel mio libro [Complessità & Sistemi di Senso] non aveva a mio giudizio ancora una maturità ed una compiutezza adeguata alla sua rilevanza. Mi sono trovato pertanto a leggere tutto quello che ho trovato sul tema della "skill transformation" e, per quanto la letteratura recente non sia enorme, mi sono convinto sempre più che affrontare il tema del cambiamento delle competenze nell'era dell'AI Generativa solo costruendo elenchi di competenze destinate a diventare indispensabili od a scomparire nel futuro prossimo non basti, perché significa considerare le skill come oggetti relativamente stabili e monolitici sui quali agisce "univocamente" una tecnologia esterna e non come ingredienti di un processo adattativo continuo che tiene conto del modo con cui acquistano valore economico, vengono apprese, esercitate, riconosciute e trasformate in capacità organizzativa. Ho quindi ripreso un concetto a cui tengo molto, quello della distinzione (oramai necessaria) fra A(I)doption, intesa come disciplina progettuale dell'adozione, e la successiva (inevitabile) A(I)daptation, intesa come disciplina organizzativa permanente della coabitazione con sistemi cognitivamente mobili, opachi e disomogenei, e ho provato ad argomentare come l'AI, secondo me, non si limiti a sottrarre o ridistribuire (automatizzandole) attività o a richiedere nuove abilità (tecniche o socio-tecniche). L'ho fatto sviluppando il concetto di **metabolismo delle competenze** per descrivere tre dinamiche simultanee: l'evaporazione della rendita di scarsità di alcune skill (soprattutto quelle di intermediazione informativa), l'emergere di competenze "nuove" di governo, orchestrazione, evidenza, delega e accountability e la trasformazione (interna) di skill tradizionali, il cui baricentro migra dall'esecuzione verso la formulazione dei problemi, la definizione dei criteri, la contestualizzazione, la verifica e il giudizio. La mia percezione iniziale è che l'esito di queste dinamiche non sia tecnologicamente predeterminato (o pre-determinabile), ma che molto dipenda dal modo in cui viene reinvestito il tempo cognitivo liberato, dal design dei flussi di lavoro ibridi U-A e dalla capacità dell'organizzazione di distinguere tra *prestito competenziale*, cioè uso "tattico" temporaneo delle capacità del sistema, e *costruzione competenziale*, cioè costruzione di competenze che persistono anche quando lo strumento viene rimosso. Tutto questo perché è già evidente il rischio dell'accumularsi di un **debito di apprendistato** (come se non avessimo già altri debiti e costi che ci gravano sul capino dal momento in cui urliamo il primo "ueèè") nel delta tra il beneficio immediato ottenuto automatizzando attività di "basso valore" ma formative e il costo differito della mancata costruzione di quell'esperienza necessaria a supervisionare (nel medio periodo) gli esiti prodotti dai sistemi automatizzati. Sempre più mi convinco (sempre avendo a mente gli insegnamenti di J. Rotblat) che *tecnicamente automatizzabile non significa necessariamente delegabile*. La qualità dell'A(I)daptation deve essere valutata non (o quanto meno non solo) con la quantità di lavoro trasferita alle macchine, ma tenendo in considerazione (per lo meno anche) la qualità epistemica e politica delle decisioni mediante le quali tale trasferimento viene progettato e la qualità epistemica ed economica del lavoro che rimane in capo alla componente umana dei team ibridi.