Nel frenetico mondo degli affari di oggi, la conoscenza è più che un potere: è la base del successo. Per prendere decisioni informate, elaborare piani strategici e ottenere un vantaggio competitivo, le organizzazioni ricorrono sempre più spesso a dati provenienti da fonti diverse, tra cui il mercato, i dipendenti e i clienti. Queste informazioni aggregate sono fondamentali per guidare la traiettoria e il successo di un'impresa.

Ad esempio, la conoscenza del mercato consente alle organizzazioni di interpretare le tendenze del settore, le strategie dei concorrenti e le tecnologie emergenti: informazioni necessarie per poter anticipare i cambiamenti del mercato, capitalizzare le opportunità di crescita e promuovere l'innovazione. Grazie a un'attenta analisi dei dati di mercato, le società possono prendere decisioni utili ad aumentare la redditività e garantire la sostenibilità a lungo termine. D'altro canto, conoscere a fondo i dipendenti permette di impiegare al meglio le competenze, le abilità e le esperienze collettive della forza lavoro; questo incide positivamente sulla produttività, libera la creatività e migliora le capacità di risoluzione dei problemi. Inoltre i clienti svolgono un ruolo decisivo nella formazione della conoscenza organizzativa: ascoltando le loro preferenze, i comportamenti e i feedback, le aziende possono perfezionare i loro prodotti, servizi e strategie di marketing, allineandoli in ultima analisi alle richieste e ai bisogni dei clienti.

Tuttavia, il percorso di gestione della conoscenza è irto di sfide. La raccolta, l'acquisizione, l'elaborazione, la condivisione e l'applicazione delle conoscenze sono sempre state complesse, laboriose e costose ma, con i progressi della tecnologia e in particolare con l’implementazione dell’Intelligenza Artificiale questi processi sono diventati più snelli e convenienti.

Mentre i benefici dell'IA sono considerevoli, crescono le preoccupazioni riguardo ai rischi associati alla generazione di conoscenze false, irreali e fraudolente. Gli algoritmi di intelligenza artificiale possono potenzialmente creare informazioni altamente convincenti ma false o fuorvianti, comunemente conosciute come "deepfake". Ciò rappresenta una minaccia significativa per i sistemi di gestione della conoscenza, mettendo a rischio la diffusione di contenuti ingannevoli.

Uno dei casi reali che illustra questi rischi è avvenuto nel marzo 2019, quando alcuni criminali hanno utilizzato un software basato sull'intelligenza artificiale per impersonare la voce di un CEO. In quell'occasione, sono riusciti a ottenere un trasferimento fraudolento di 220.000 euro. Tali eventi evidenziano le potenziali ripercussioni catastrofiche per le organizzazioni che si affidano a informazioni fuorvianti. Questo include decisioni errate, strategie difettose, perdite finanziarie e la perdita della fiducia degli stakeholder.

Inoltre, i pregiudizi intrinseci negli algoritmi di intelligenza artificiale, che vengono addestrati su dati storici, possono perpetuare i pregiudizi esistenti e generare conoscenze tendenziose e potenzialmente discriminatorie. Se implementati nell’ambito della selezione del personale questi strumenti potrebbero portare a pratiche di assunzione discriminatorie, rafforzando le disuguaglianze esistenti all'interno della forza lavoro.
Per esempio, nel 2018, Amazon è stata criticata per il suo strumento di selezione basato sull'IA, progettato per semplificare il processo di assunzione. Tuttavia, lo strumento ha mostrato un pregiudizio di genere favorendo i candidati di genere maschile rispetto alle candidate: Il modello di intelligenza artificiale, addestrato su curriculum inviati all'azienda nel corso di un decennio, ha infatti appreso dai modelli di assunzione storici che favorivano gli uomini nell'industria tecnologica. Il team di Amazon ha faticato a spiegare chiaramente come l'IA prendesse queste decisioni tendenziose, dato che il modello funzionava come una "scatola nera". Questa opacità nella comprensione del funzionamento interno dell'algoritmo ha reso difficile identificare e correggere il problema di pregiudizio di genere. Questo fatto ha evidenziato non solo gli esiti tendenziosi ma anche l'impellente necessità di trasparenza nei sistemi di intelligenza artificiale, specialmente quando svolgono un ruolo cruciale nei processi decisionali organizzativi.

Alla luce di questi rischi, è fondamentale che le organizzazioni e le aziende affrontino l'integrazione dell'IA nei sistemi di knowledge management con cautela e diligenza. Ciò include l'implementazione di solidi framework di governance dei dati per garantirne la qualità e l'integrità, la promozione della trasparenza e dell'interpretabilità dei modelli di IA e il monitoraggio e la convalida continui della conoscenza generata dagli algoritmi. Inoltre, le organizzazioni dovrebbero non perdere di vista gli aspetti etici e considerare potenziali pregiudizi nei modelli di IA per ridurre al minimo il rischio di produrre e fare affidamento su conoscenze imprecise o discriminatorie.

La ricerca di post-dottorato che porto avanti a Torino si inserisce in questo contesto . Sfruttando la mia formazione in Information Management e utilizzando un metodo Delphi (una tecnica strutturata e iterativa di previsione che raccoglie opinioni di esperti attraverso una serie di questionari per raggiungere un consenso su un argomento specifico) e un' analisi fattoriale confermativa (CFA, che convalida le relazioni predefinite tra variabili osservate e costrutti latenti in un set di dati, valutando l'aderenza tra teoria e dati) , cerco risposte a domande critiche per colmare il divario tra teoria e pratica.

Questo studio estrae intuizioni da professionisti accademici e aziendali, migliora le ricerche precedenti, classifica le sfide chiave dell'IA nel knowledge management e aumenta la comprensione, a vantaggio del flusso di conoscenze all'interno delle organizzazioni e di un processo decisionale etico e responsabile dei manager.