In un momento in cui la trasformazione digitale sta cambiando rapidamente il modo in cui le organizzazioni operano, l’ultimo aggiornamento di Anthropic al suo agente di AI, Claude Tag, rappresenta un passaggio fondamentale. Il 3 ottobre, l’azienda ha potenziato le capacità di Claude Tag all’interno di Slack, consentendogli di leggere conversazioni complete e di intervenire in modo proattivo. Non si tratta solo di una piccola modifica; è una riformulazione di come l’intelligenza artificiale si inserisce nel tessuto della vita organizzativa. La spinta verso la “multiplayer AI” indica un cambiamento dall’esecuzione di attività singole verso il raggiungimento di obiettivi più ampi e collaborativi.
Ripensare l’AI: da assistente personale a membro del team
L’idea di un’AI come strumento solitario, utile alle persone per completare compiti specifici, sta evolvendo. Scott White, responsabile di prodotto per l’enterprise presso Anthropic, ha condiviso la sua visione di questa trasformazione in un’intervista esclusiva. Inizialmente, l’AI era limitata ad affrontare parti di un lavoro, come rispondere a una domanda o generare una riga di codice. Con l’avanzamento dei modelli, hanno iniziato a gestire interi compiti in autonomia. Oggi, l’attenzione si sposta sull’abilitare l’AI a perseguire progetti complessi e obiettivi organizzativi.
Il punto di vista di White è chiaro: il futuro dell’AI risiede nella sua capacità di operare all’interno dei team e tra sistemi diversi. Il potenziamento delle capacità di Claude Tag mostra questa evoluzione, perché gli permette di leggere il contesto completo delle conversazioni, consentendo a Claude di decidere quando intervenire. Questo coinvolgimento proattivo ne aumenta l’efficacia, con Anthropic che stima un miglioramento del 30% nel prendere decisioni non richieste in base a valutazioni interne. Non è solo un upgrade tecnico; è uno spostamento di prospettiva su come l’AI possa supportare le attività umane.
Le sfide del lavoro basato sulla conoscenza
Con l’AI che passa a questo nuovo ruolo, deve affrontare le sfide intrinseche del lavoro basato sulla conoscenza. A differenza dello sviluppo software, che beneficia di framework collaborativi consolidati come Git, il lavoro basato sulla conoscenza è multidimensionale e spesso privo di metriche chiare per misurare il successo. È un ambito in cui il giudizio umano resta indispensabile e in cui l’AI deve imparare a navigare queste sfumature.
White ha osservato che il lavoro basato sulla conoscenza coinvolge più persone, funzioni lavorative diverse e sistemi collegati con permessi variabili. Questa complessità richiede che l’AI non sia solo uno strumento passivo. Deve diventare un partecipante dinamico, capace di comprendere e contribuire agli obiettivi più ampi dell’organizzazione. L’obiettivo non è soltanto automatizzare i compiti, ma potenziare le capacità umane per raggiungere obiettivi condivisi.