In che modo l'IA rende il lavoro più significativo
In un mondo del lavoro in cui velocità e carico di informazioni sono in continuo aumento, come possiamo concentrarci su ciò che è veramente importante? Scopri in che modo il team di apprendimento automatico usa tecnologie all'avanguardia per rendere il lavoro più significativo.
La tecnologia ha reso le persone più connesse, più veloci e più efficienti, ma ha anche aumentato drasticamente il volume di informazioni che dobbiamo gestire. Secondo le stime, le e-mail aziendali inviate ogni giorno di quest'anno saranno 120 miliardi, mentre il normale orario di lavoro non sarà più dalle 9.00 alle 17.00, ma piuttosto dalle 17.00 alle 9.00, grazie ai dispositivi mobili che ci rendono immediatamente raggiungibili da qualsiasi parte del mondo.
Immaginiamo un assistente personale universale che ci presenta ciò di cui abbiamo bisogno e al momento giusto
In futuro, invece di aumentare la quantità di informazioni da gestire, la tecnologia ci aiuterà a creare esperienze più personalizzate, eliminando gli elementi di disturbo e lasciando solo ciò che è importante. La rilevanza sarà determinante.
Riduzione degli elementi di disturbo
Questa è da tempo la promessa dell'intelligenza artificiale. Lasciamo da parte l'idea dei robot che svolgono il lavoro degli esseri umani e immaginiamo piuttosto un assistente personale universale, che esamina e-mail, inviti a meeting, messaggi immediati, notifiche e aggiornamenti di progetto e ci presenta solo ciò di cui abbiamo bisogno e al momento giusto.
Suona inverosimile? Se usi Workplace, hai già visto come funziona.
Messaggi con rilevanza più elevata
La missione del team di Workplace addetto all'apprendimento automatico è rendere la piattaforma più rilevante possibile per ogni persona che la usa. "Ciò significa che, quando effettui l'accesso, Workplace ti aiuta a trovare ciò che ti occorre per svolgere al meglio i tuoi compiti. Questo non solo rende estremamente semplice la collaborazione con altre persone, ma ottimizza anche il tuo lavoro", dichiara Tamar Bar Lev, l'Engineering Manager a capo del team.
"Ciò significa che, quando effettui l'accesso, Workplace ti aiuta a trovare ciò che ti occorre per svolgere al meglio i tuoi compiti"
L'apprendimento automatico è un sottocampo dell'intelligenza artificiale che consente ai computer di imparare a eseguire varie attività sulla base di informazioni fornite, senza doverli esplicitamente programmare.
Il team di Bar Lev si occupa di problemi relativi a classificazioni e consigli. Il loro compito è verificare che, a ogni accesso a Workplace, l'algoritmo mostri i post e i consigli che possono esserti più utili, assegnando una priorità inferiore alle informazioni di cui hai meno bisogno.
Le probabilità previste migliorano l'esperienza utente
L'apprendimento automatico avanzato dipende dalla pura potenza di elaborazione. "Addestriamo i nostri modelli usando esempi precedenti", spiega Bar Lev. "Forniamo loro informazioni sul comportamento degli utenti in passato e su come hanno interagito con i vari prodotti. Se dispongono di informazioni sufficienti, i modelli imparano a prevedere le probabilità relative a determinati eventi, che possiamo utilizzare per stabilire quali storie e consigli mostrare ai singoli utenti."
"Combiniamo tutte le probabilità in un punteggio finale e il post con il punteggio più alto viene presentato per primo"
Questa operazione complessa viene eseguita ogni volta che si apre Workplace. "Per la sezione Notizie [cuore di Workplace da scorrere per consultare post e consigli], scegliamo una serie di post pubblicati da persone che segui, persone che fanno parte del tuo team, gruppi a cui appartieni", spiega Bar Lev.
"Quindi estraiamo determinati dati di ogni post, ad esempio quante volte hai cliccato su un post di uno specifico utente negli ultimi sette giorni, e li forniamo al nostro algoritmo. Questo ci restituisce alcune probabilità: quanto è probabile che tu commenti?"
"Quanto è probabile che tu metta 'Mi piace'? Quanto è probabile che tu reagisca al post? A questo punto, combiniamo tutte le probabilità in un punteggio finale e posizioniamo i post in ordine discendente. Il post con il punteggio più alto viene presentato per primo."
Come rendere il lavoro più significativo
Anche se sembra non avere niente a che fare con l'intelligenza artificiale che Hollywood ci ha promesso (o contro cui ci ha messo in guardia), questo è un esempio di apprendimento automatico avanzato, basato sugli anni di esperienza maturati da Facebook nelle ricerche sui consumatori. "Quando eseguiamo la classificazione nella sezione Notizie di Workplace, non stiamo in realtà partendo da zero", afferma Bar Lev. "I numerosi anni dedicati allo sviluppo della sezione Notizie per gli account Facebook personali ci hanno insegnato tanto. Sappiamo cosa funziona e cosa no. La sfida consiste nell'inserire ciò che funziona nell'ambiente di lavoro."
Vogliamo avere la certezza che, quando ti riconnetti la mattina dopo, tu non perda niente di fondamentale per il tuo lavoro
Ad esempio? "Vogliamo avere la certezza che tu non perda niente di importante. Se porti a termine i tuoi incarichi del giorno e ti riconnetti la mattina seguente o dopo una lunga settimana, vogliamo assicurarci che tu ritrovi tutto ciò che è fondamentale per il tuo lavoro. Comprendere quali post mostrare in questi casi è molto diverso dallo stabilire quali post includere nel tuo Facebook personale ogni volta che apri l'app."
Work graph e miglioramento della connessione su Workplace
Il fatto più straordinario è che queste sono ancora le prime fasi dell'intelligenza artificiale e il team (come l'algoritmo) impara in fretta. Se da una parte Facebook ha creato il social graph, ovvero una rete interconnessa di amici, familiari e interessi, gli ingegneri di Bar Lev stanno sviluppando il work graph, che nel suo settore è altrettanto rivoluzionario.
"Una delle questioni su cui stiamo indagando è come rendere tutte le connessioni più significative. Vogliamo comprendere quanto può essere importante per te seguire una persona. Vorresti incontrarla dopo averla conosciuta virtualmente? Parteciperesti agli stessi eventi?"
"Quando esaminiamo i tuoi colleghi o le tue colleghe principali, verifichiamo se collabori con loro su Quips o G-Drive. Guardi i loro contenuti? Commenti i loro post? Il nostro obiettivo è conoscere la tua rete, in modo da avere la certezza di suggerirti elementi o mostrarti Storie che ritieni rilevanti."
Qual è lo scopo? "Migliorare il tuo lavoro. Senza Workplace ti sembrerà di andare a rilento. In un certo senso… ti mancherà."
