Quando si parla di Intelligenza Artificiale (AI)1 nel Terzo Settore, le prime domande che ci si pone riguardano quasi sempre gli strumenti: quali scegliere, come usarli, quanto fidarsi. Vista la natura delle organizzazioni che compongono questo mondo, appare tuttavia interessante partire da un’altra questione: che cosa serve alle persone che lavorano nei servizi di welfare, in particolare di tipo socioeducativo, per decidere se, come e perché usare queste tecnologie? E, soprattutto, in che modo possono evitare di subirle? Si tratta dell’approccio human-centred scelto per TEACH-AI (acronimo di Transformative Educational Approaches for Civic and Human-centred AI), ricerca-azione2 promossa dal Centro di ricerca CREDDI dell’Università eCampus, in cui l’AI non è considerata come uno strumento da adottare, ma piuttosto come un tema chiave che attraversa le relazioni di cura, l’organizzazione del lavoro e le scelte di chi guida le imprese sociali e che va valutata alla luce delle finalità educative e sociali che queste realtà perseguono.
A questo scopo, TEACH-AI ha cercato di non essere una ricerca “sul” Terzo Settore, ma “con” il Terzo Settore. Il questionario alla base dell’indagine, validato da esperti accademici e da professionisti, è tornato alle organizzazioni per essere discusso, messo alla prova nei percorsi formativi e, quando necessario, rivisto. In altre parole, si è trattato di una ricerca partecipata, costruita e aggiornata nel tempo insieme a cooperative, reti, coordinatori e operatori, per definire un terreno di lavoro condiviso, che coinvolge educatori e management insieme. Perché le scelte sull’AI si giocano sia nei servizi, ma anche nei luoghi in cui si definiscono priorità e investimenti.
I dati raccolti provengono da circa 1.500 compilazioni realizzate da professionisti di differenti realtà che operano su tutto il nostro territorio nazionale e, proprio per questo, pensiamo che possano rappresentare un contributo significativo per affrontare un confronto costruttivo circa le pratiche professionali e l’AI3.
Le traiettorie di lavoro a partire dalla ricerca
L’intenzione di fondo che ha guidato l’intera ricerca-azione può essere descritta su differenti livelli. Per prima cosa, è stata condotta, in concomitanza con l’avvio dell’intero processo, un’adeguata lettura del bisogno formativo espresso dallo specifico contesto lavorativo. In seconda battuta, a seguito della lettura dei dati emergenti, la ricerca ha avviato la fase di coprogettazione del percorso con i referenti del progetto. Inoltre ha offerto un impianto di monitoraggio condotto nella prospettiva della valutazione collaborativa, definito coinvolgendo tutti i professionisti.
Per leggere questo panorama in continua mutazione, la ricerca ha scelto tre dimensioni di analisi. La prima è l’affordance in practice, non tanto ciò che uno strumento promette sulla carta, ma che concretamente consente, o ostacola, nel lavoro quotidiano tra colleghi, persone accompagnate, procedure e abitudini dei servizi. La seconda dimensione è la capability, ovvero la reale possibilità di trarre beneficio dall’AI nel proprio contesto, per cui servono non solo competenze, ma anche tempo, formazione, regole chiare e un’organizzazione che sostenga chi sperimenta e renda accessibili le risorse. La terza dimensione è il sentiment, che contempla le percezioni e le emozioni, dall’entusiasmo alla preoccupazione, che l’AI suscita e che orientano oppure ostacolano l’atteggiamento verso l’innovazione, più di quanto spesso si ammetta.
Più nello specifico, la lettura del bisogno è stata possibile grazie ai quattro profili individuati dall’analisi dei dati raccolti:
- adattivi, professionisti che utilizzano l’AI in maniera funzionale per compiti specifici senza però percepire i rischi che derivano dalla sua integrazione nei processi in una modalità eccessivamente frammentata.
- oppositivi, che hanno un’alta percezione di deprivazione di competenze causata dall’utilizzo dell’AI, per la quale provano sentimenti negativi.
- indifferenti, che mostrano uno scarso coinvolgimento sia emotivo sia di utilizzo dell’AI dal momento che la valutano come irrilevante per le proprie pratiche professionali.
- ricettivi che sperimentano un sentimento positivo e hanno un’alta competenza che consente di integrare l’uso dell’AI in modo proattivo, unendo abilità tecnologiche a competenze pedagogiche.
I quattro profili individuati non devono essere intesi come “recinti” entro cui far rientrare i singoli partecipanti alla ricerca, ma piuttosto sono da interpretare come lenti attraverso cui leggere e comprendere il contesto professionale. Vale a dire intercettare quali siano le posture maggiormente presenti, in che modo si possano descrivere le geometrie interne dei vari profili e, non da ultimo, quali siano le risorse già presenti e attive.
Oltre a questa lettura d’insieme, la ricerca offre uno strumento maggiormente dedicato al singolo professionista: un indice di crescita potenziale che consegna un riscontro sull’integrazione dell’AI nella pratica pedagogica intesa come modello di servizio e matrice culturale. Si tratta di un indice che misura il grado in cui, nel proprio contesto professionale, le persone sono protagoniste in modo competente e riflessivo nelle trasformazioni dovute all’AI. Questo significa che dispongono delle capacità di comprenderle e usarle, sanno tradurle in pratiche situate e le valutano criticamente rispetto ai differenti scopi educativi che devono perseguire. Chi fosse interessato ad avere ulteriori informazioni sugli esiti della ricerca può trovarli qui.
Ricadute strategiche e prospettive operative dell’AI nelle imprese sociali
Il sostegno della rete CGM alla ricerca TEACH-AI ha generato un consistente sottocampione di rispondenti (un terzo del totale) appartenenti al mondo delle imprese sociali, che provengono da cooperative e consorzi del proprio network consentendo quindi analisi comparative. Un primo elemento rilevante riguarda la prevalenza del profilo degli “indifferenti” (37% contro il 30% del totale), a fronte del 16% di “oppositivi” (contro il 13% del totale). Queste posture possono essere interpretate in vari modi: non è da escludere un rifiuto ideologico a fronte di un’enfasi politica e non solo tecnica dell’AI, ma anche come una strategia difensiva e “possibilista” che rimanda al tema, oggi molto al centro dell’attenzione delle policy HR, della sicurezza psicologica all’interno delle organizzazioni.
Figura 1. I profili di TEACH-AI nelle imprese sociali CGM e negli altri contesti
Percentuale di rispondenti per profilo. Clicca sulla legenda per mostrare o nascondere le serie
Fonte: elaborazione Percorsi di Secondo Welfare su dati della ricerca-azione TEACH-AI (Centro di ricerca CREDDI, Università eCampus). Valori arrotondati all’unità.
Leggendo infatti i dati attraverso le tre dimensioni formative, emerge come l’intersezione tra un sentiment dove prevalgono ansie o timori di inadeguatezza, affordance non ancora chiarite e una condizione di deprivazione organizzativa (il 74,3% degli operatori CGM non ha mai svolto formazione contro il 62% del totale e il 68,5% ignora l’esistenza di policy aziendali contro il 53% del totale) possa generare un deficit di sicurezza psicologica che potrebbe riverberarsi nella relazione di servizio. L’indifferenza potrebbe così rappresentare una strategia di protezione professionale: di fronte a una tecnologia percepita come opaca e priva di un perimetro istituzionale chiaro, l’operatore sceglie di mantenersi a distanza contribuendo così a raffreddare l’indice di crescita potenziale (3,5 nel sottocampione CGM contro 4,0 del totale su una scala da 0 a 6).
Dall’adozione di processo all’intersezione profonda nei servizi
Pur considerando l’effetto derivante da distorsioni campionarie visto che nel sottocampione CGM prevalgono servizi alla prima infanzia probabilmente ancora immuni all’irruzione dell’AI, la mancanza di sicurezza psicologica, come detto, potrebbe spingere a rifugiarsi nell’indifferenza e quindi la tentazione organizzativa potrebbe essere quella di introdurre l’AI solo per via procedurale e con finalità meramente gestionali. Tutto questo anche solo per stare “al passo con i tempi” o per finalità “salvifiche” rispetto a elementi di appesantimento burocratico che si fanno sempre più pressanti.
Tuttavia limitare l’AI all’adozione di processo (efficientamento amministrativo, rendicontazione, verbali) significa fermarsi a un livello sicuramente utile per ridurre la fatica burocratica, ma sostanzialmente indistinguibile da quanto avviene in qualsiasi altra forma organizzativa. Potrebbe addirittura rappresentare l’ennesimo varco per processi di isomorfismo organizzativo, ovvero di adozione acritica che nel caso dell’AI è peraltro estremamente rilevante considerando “l’hype” che la contraddistingue.
Per abilitare invece un’intersezione profonda nei servizi, la priorità delle direzioni strategiche consiste nel creare un ambiente organizzativo caratterizzato da un’elevata sicurezza psicologica, agendo su tre leve principali.
- Policy che evolvono la compliance verso l’etica dell’interesse generale: il deficit rilevato dalla ricerca rispetto alle indicazioni operative da parte delle imprese sociali rispetto all’utilizzo dell’AI è probabilmente in corso di risoluzione attraverso i classici meccanismi di compliance (policy interne, linee guida, certificazioni, ecc.). Si tratta di una modalità ricorrente ma che non va intesa come un adempimento burocratico, bensì come lo strumento per evolvere la compliance stessa verso principi etici da incorporare “by design”. Nelle imprese sociali, infatti, la conformità alle regole (dalla protezione dei dati al corretto uso degli strumenti) trae la sua legittimazione sostanziale dall’interesse generale che ne definisce la mission costitutiva. Definire policy significa dunque saldare la correttezza procedurale con il perseguimento del bene comune, offrendo agli operatori quel quadro di certezze normative e valoriali indispensabile per sperimentare senza timore.
- Coordinatori come ambassador dell’intersezione profonda: i dati di ricerca mostrano, ancora una volta, il ruolo chiave dei middle manager nelle imprese sociali. Quelle persone solitamente definite come “coordinatori” dovrebbero essere capacitate – in competenze hard e sensibilità soft – per agire come facilitatori di sicurezza psicologica, accompagnando gli operatori a capire dove posizionare il “motore” dell’AI nei servizi reali – ad esempio per catturare le conoscenze tacite nelle équipe di lavoro – senza lasciarlo confinato nel back-office.
- Elaborazione e disseminazione di buone pratiche come dispositivo principale per attivare gli indifferenti all’interno di una narrazione condivisa: accedere a casi reali di chi “ci ha provato davvero” ad intersecare in modo profondo l’AI nelle pratiche dei servizi tutelando il senso del lavoro di cura può trasmettere sicurezza e trasformare la diffidenza in sperimentazione consapevole.
Prospettive di intervento trasformativo e dimensioni prioritarie da sviluppare
Il lavoro avviato grazie a TEACH-AI invita a compiere un passo ulteriore: mettere in relazione ricerca, formazione e gestione dell’impresa sociale. Non per anticipare risposte definitive, ma per costruire occasioni in cui chi studia il fenomeno e chi opera nei servizi possa definire insieme le domande da approfondire. È, del resto, la direzione indicata dalla ricerca stessa, che riconosce in formazione, sperimentazione e coprogettazione le proprie prospettive, da coltivare dentro comunità di pratica tra organizzazioni e territori differenti.
Una prima applicazione potrebbe consistere in un utilizzo dei quattro profili come dei “personas” al fine di comprendere la composizione del gruppo in formazione o accompagnato attraverso una consulenza e calibrando di conseguenza il percorso. Se prevalgono indifferenti o resistenti, iniziare subito con un laboratorio può non essere la scelta più felice. Può risultare più utile dedicare tempo al significato dell’importanza e impatto che l’AI ha nella concezione del lavoro e nel mondo del Terzo Settore, ponendo quindi una base comune prima di passare alla prova degli strumenti. Con un gruppo in cui prevalgono adattivi e ricettivi, già impegnati in prime sperimentazioni, la parte introduttiva può invece essere più breve e lasciare spazio al confronto sulle esperienze e al lavoro pratico.
Ma gli stessi risultati dell’indagine possono essere concretamente utilizzati non solo a fini di formazione e di accompagnamento ma anche di vera e propria trasformazione AI-driven? Ciò significherebbe non aggiungere l’ennesimo corso al catalogo formativo, ma lavorare perché cambi il modo in cui le organizzazioni del Terzo Settore si rapportano all’AI. L’idea è passare dall’essere utenti di strumenti pensati altrove all’essere soggetti capaci di decidere come, quando e perché usarli. Dai primi risultati di TEACH-AI emergono quattro direzioni prioritarie in tal senso.
- Dialogo sui valori. Prima di chiedersi quale strumento adottare, serve uno spazio in cui discutere che cosa l’AI comporti per la relazione di aiuto, per la tutela delle persone seguite, per il senso stesso del lavoro educativo. È un passaggio decisivo soprattutto dove prevalgono diffidenza o indifferenza, che vanno trattate come punti di partenza e non come ostacoli da rimuovere.
- Sperimentazione. Provare in piccolo, su attività concrete come la ricerca di risorse o la rendicontazione, dove la distanza tra l’uso di oggi e le attese per domani è più ampia. Si osserva che cosa cambia nel lavoro quotidiano e si accetta di mettere in discussione ciò che non funziona.
- Comunità di pratica. Confrontarsi con colleghi di altre organizzazioni e territori permette di condividere dubbi, errori e scoperte, e fa sì che l’apprendimento non resti una faccenda individuale.
- Monitoraggio nel tempo. Non basta verificare se qualcuno abbia imparato a usare uno strumento: interessa capire se la disponibilità diventi un uso consapevole e se cambino fiducia, competenze e margini di scelta delle persone.
Queste direzioni non hanno lo stesso peso ovunque e quindi vanno calibrate al fine di osservare non solo ciò che le persone apprendono, ma anche come cambiano le pratiche e quali condizioni organizzative sostengano – o, al contrario, ostacolino – un uso consapevole dell’AI. È una prospettiva ancora da costruire, che richiede obiettivi chiari, contesti disponibili a mettersi in gioco e strumenti di osservazione coerenti. La domanda che resta aperta, allora, non è se il Terzo Settore debba essere “a favore” o “contro” l’intelligenza artificiale. È piuttosto come possa sviluppare la capacità di orientarla nel proprio lavoro, mantenendo al centro finalità sociali ed educative, giudizio professionale e responsabilità collettiva.
Note
- Di seguito viene utilizzato l’acronimo AI di artificial intelligence al posto di IA. Si tratta di una scelta editoriale dettata dalla percezione che l’abbreviazione inglese ad oggi sia maggiormente utilizzata anche nel dibattito italiano, ndr.
- Il gruppo di ricerca TEACH-AI è composto da: Matteo Adamoli, Federica Emanuel, Farnaz Farahi, Emmanuele Gatti, Michele Marangi, Serena Mazzoli, Marco Rondonotti, Paolo Raviolo
- La rilevazione ha coinvolto professionisti e professioniste del settore socio-educativo, appartenenti a differenti realtà organizzative distribuite in diverse regioni del Nord, Centro e Sud Italia. Il campione, prevalentemente femminile, comprende soprattutto figure con ruoli operativi ed educativi, ma anche professionisti impegnati nel coordinamento e nella gestione amministrativa dei servizi. I partecipanti presentano percorsi formativi diversificati, sia di area pedagogica sia di altri ambiti disciplinari, e operano in servizi rivolti a differenti fasce d’età, dalla prima infanzia all’adolescenza