Cosa serve per preparare le persone a un ambiente di lavoro sempre più plasmato dall'AI nel manufacturing?
Questa domanda sta diventando centrale nella strategia del settore manifatturiero. In una recente conversazione con Carolyn Lee, President del Manufacturing Institute, abbiamo affrontato il tema da prospettive diverse.
Il Manufacturing Institute, con sede a Washington, DC, si concentra sullo sviluppo e sul rafforzamento della workforce del settore manifatturiero. In NTT DATA collaboriamo con le aziende manifatturiere nel percorso di modernizzazione delle operations e di integrazione dell'AI nelle attività quotidiane. Siamo giunti alla stessa conclusione: il futuro del manufacturing dipende dalla capacità di far evolvere e trasformare insieme persone, processi e tecnologia.
La workforce è parte del core
Il manufacturing è sempre dipeso dalle persone. Gli operatori che gestiscono le linee di produzione, i tecnici che si occupano della manutenzione delle apparecchiature e i team che risolvono quotidianamente i problemi continuano ad avere un ruolo centrale nelle performance delle fabbriche.
Questo rende la preparazione della workforce una delle priorità quando si integra l'AI sempre più profondamente nei workflow e nei processi decisionali quotidiani. Le persone devono adattarsi adottando la tecnologia e imparando a interagire con essa in modo efficace. Ma, soprattutto, devono sapere quando il giudizio umano deve avere la precedenza.
Secondo il report di Everest Group Future of Work 2030: A Playbook for Workforce Transformation, sponsorizzato in parte da NTT DATA, l'82% delle aziende manifatturiere prevede di riqualificare oltre il 30% della propria workforce entro il 2030 e il 70% prevede che gli AI copilot diventeranno una componente fondamentale del lavoro quotidiano. Questi dati indicano un cambiamento sia nell'adozione della tecnologia sia nel modo stesso in cui verrà svolto il lavoro nel manufacturing.
- LEGGI ANCHE → Oltre la trappola dei progetti pilota: come costruire una strategia di AI per il manufacturing che possa scalare
L'AI cambia il lavoro prima ancora di cambiare i ruoli
Il dibattito pubblico sull'AI parte spesso dalle preoccupazioni per la perdita di posti di lavoro, ma Carolyn ha offerto una prospettiva diversa. Il manufacturing è stato al centro di ogni rivoluzione industriale e ciascuna di esse ha cambiato la natura del lavoro. L'AI farà lo stesso.
Un tecnico della manutenzione che in precedenza si affidava all'esperienza, consultava registri o cercava informazioni nei manuali per diagnosticare un problema può oggi utilizzare un assistente AI per restringere più rapidamente il campo delle possibili cause. Per farlo sono necessarie sia competenze tecniche sia la capacità di formulare le domande giuste, valutare le risposte e capire quando debba prevalere il giudizio umano.
Lo stiamo già vedendo nella pratica. Abbiamo collaborato con un'importante organizzazione del settore automotive in cui, nel corso degli anni, conoscenze fondamentali relative alla manutenzione erano finite in fonti diverse, dalle knowledge base ai registri e ai video fino, molto spesso, all'esperienza dei singoli lavoratori.
Abbiamo collaborato con il cliente per sviluppare una funzionalità di AI che rendesse accessibili tutte queste informazioni attraverso una breve conversazione, aiutando l'organizzazione a ridurre i tempi di inattività da una media di cinque-sei ore a circa 20 minuti.
Se da un lato l'AI ha consentito ai dipendenti di accedere più rapidamente alle conoscenze necessarie mentre lavoravano sotto pressione, dall'altro questi hanno dovuto imparare a interagire con il sistema, formulare domande migliori e valutarne le risposte. La tecnologia ha quindi creato la necessità di nuove competenze proprio mentre migliorava il lavoro.
AI, persone e trasformazione della workforce
Il report di Everest Group ha rilevato che “il 43% delle aziende identifica la scarsa adozione da parte dei dipendenti o la resistenza al cambiamento come una delle principali sfide nel portare su scala la trasformazione del workplace”.
È un segnale chiaro del fatto che la preparazione della workforce deve essere integrata fin dall'inizio nella strategia di AI.
Le aziende manifatturiere devono partire da un problema di business chiaramente definito, da una precisa ownership a livello di business e da leader capaci di spiegare perché il cambiamento è importante. La workforce avrà bisogno di un percorso continuo di AI e data literacy, che non può essere sviluppato attraverso un singolo momento di formazione.
L'organizzazione deve inoltre disporre di una governance solida che preservi la responsabilità umana in materia di sicurezza, etica, cybersecurity e processi decisionali, soprattutto quando entrano in gioco il contesto e il giudizio umano.
Questo è ciò che significa modernizzare il core dal punto di vista della workforce: creare un ambiente operativo in cui AI e persone si rafforzano reciprocamente, consentendo ai dipendenti di lavorare con maggiore sicurezza, responsabilità e produttività.
L'apprendimento deve essere continuo e connesso al lavoro
Preparare la workforce di oggi è solo una parte della sfida. Il manufacturing deve preparare anche la prossima generazione di lavoratori, fornendo agli studenti le competenze tecniche e di problem solving di cui avranno bisogno prima ancora di entrare in fabbrica. Man mano che l'AI continua a trasformare il manufacturing sotto molteplici aspetti, mondo dell'istruzione e industria dovranno collaborare più strettamente che mai.
È uno dei motivi per cui nutro grande rispetto per il programma FAME del Manufacturing Institute. Il suo modello earn-and-learn combina la formazione in aula con l'esperienza pratica in ambienti manifatturieri reali.
Gli studenti hanno l'opportunità di lavorare con aziende e mentor, sviluppando al tempo stesso competenze tecniche e capacità professionali come comunicazione, lavoro di squadra, problem solving e miglioramento continuo.
Queste competenze diventano ancora più preziose in un ambiente di lavoro abilitato dall'AI. Nessun singolo programma di formazione può preparare un lavoratore a ogni strumento o caso d'uso che emergerà. Può però formare persone capaci di imparare continuamente, adattarsi alle nuove tecnologie e applicarle in modo consapevole nelle situazioni reali.
FAME conta oggi 45 chapter in 17 Stati degli USA e coinvolge circa 1.500 studenti. La crescita è fondamentale perché il manufacturing richiede più di un apporto di talenti una tantum. Ha bisogno di modelli replicabili che colleghino la formazione al lavoro reale e aiutino le persone a diventare produttive più rapidamente.
COSA FARE ORA
Guarda la serie video realizzata da NTT DATA e dal Manufacturing Institute per scoprire come preparare la workforce del manufacturing sviluppando nuove competenze e gestendo il cambiamento per attrarre la prossima generazione di talenti.