Nel mondo dell'analisi dei dati, siamo abituati a pensare agli strumenti come estensioni delle nostre capacità. Python, Tableau, Power BI: sono tutti mezzi per amplificare la nostra intelligenza. Ma cosa succede quando il rapporto si inverte?
Mi è capitato tra le mani un articolo di Cory Doctorow che, nel suo recente intervento all'Università di Washington, introduce un concetto fondamentale per capire il nostro rapporto con l'intelligenza artificiale: il "centauro al contrario".
Se un centauro è una testa umana su un corpo robotico, un centauro al contrario è esattamente l'opposto: una testa robotica su un corpo umano.
L'automazione cieca e i dati
L'esempio più eloquente che Doctorow porta è quello del radiologo. Immaginate che un ospedale acquisti un sistema di AI per analizzare le radiografie.
Invece di usarlo per migliorare la qualità diagnostica, l'amministrazione licenzia nove radiologi su dieci e chiede a quello rimasto di supervisionare le diagnosi dell'AI a velocità sovrumana.
Qui entra in gioco la cosiddetta "cecità da automazione": l'impossibilità fisica di rimanere vigili per eventi che accadono raramente.
Nel campo dei dati, questo fenomeno è molto insidioso. Quando un analista diventa un semplice supervisore di output generati dall'AI (che sia codice, visualizzazioni o report) non sta più facendo analisi. Sta semplicemente prendendo la colpa quando l'AI sbaglia.
La vera sfida per il 2026
Forse per chi lavora con i dati e ha integrato l’AI nei propri processi lavorativi, la vera sfida di quest’anno è proprio cercare di essere centauri e non centauri al contrario.
Il codice, di per sé, vale zero, o quasi.
Sono passati i tempi dell’immediato post COVID (2021-2023), quando le sole capacità tecniche venivano valorizzate tantissimo sul mercato del lavoro.
Sono passati i tempi dei tassi di interesse che rasentavano lo zero e che permettevano a aziende piccole e grandi di assumere (pagando bene) schiere di data analyst.
E sono passati i tempi in cui bastava padroneggiare un linguaggio di programmazione per fare carriera senza troppi intoppi.
É tempo di tornare a preoccuparsi dei problemi che il codice aiuta a risolvere. Tenendo questo a mente, riusciremo forse ad evitare di diventare dei centauri al contrario.
Alla prossima micro-lezione 👋
Se vuoi imparare la data analysis con micro-lezioni che vanno dritto al sodo, iscriviti alla newsletter:
