Il Full Stack Human è già in sala riunioni: tre storie italiane
- 3 ore fa
- Tempo di lettura: 8 min
Da anni osservo e racconto come l'AI sta cambiando il modo in cui si lavora. Spesso sono 'costretto' ad argomentarlo per farmi capire da chi ancora non ci è passato e mi guarda stupito, perplesso, peroccupato.
Ma ultimamente mi capita anche spesso di venir sommerso di racconti entusiasti di chi sta vivendo questo cambiamento in modi che sono ancora tutti da scoprire.
In particolar modo, nei giorni scorsi mi sono arrivati velocissimi alcuni feedback, in tre sale riunioni diverse, in tre aziende diverse, in tre giorni di fila.
E non potevo continuare a tergiversare con questo articolo che porto avanti da mesi.
Tre scene, una settimana
Prima scena. Un'azienda manifatturiera. Uno sviluppatore del team, un profilo che si era sempre considerato "verticale" sul suo linguaggio, doveva consegnare a un cliente un eseguibile per fargli capire come funzionava un algoritmo. Ha pensato di fare un'applicazione web ma non sapeva da dove partire. Ha fatto così. Prima un prototipo web in trenta minuti con Claude. Poi lo ha riscritto (un refactoring completo) in modo da distribuirlo più facilmente al cliente . È uscito l'eseguibile praticamente perfetto. Totale 2 ore. Stima manuale: una settimana di lavoro. "Incredibile come l'ha fatto," ha detto un collega durante la riunione di confronto. Stava pensando al come, ma soprattutto al tempo e a quanto fosse diverso da quello che avrebbe fatto lui.
Seconda scena. Una responsabile del marketing ha fatto in una settimana quattro cose diverse con l'AI. Ha analizzato insieme alcuni annunci della concorrenza. Ha strutturato un database per tenerli monitorati nel tempo. Ha costruito un calendario promozionale partendo da un template interno che l'AI le ha restituito nel formato giusto. E ha iniziato a prototipare una newsletter verso l'interno filtrata per argomento. Quattro mestieri che due anni fa avrebbero richiesto quattro persone diverse, o settimane di handoff tra loro. E ovviamente lei non ha mai programmato in vita sua.
Terza scena. Qui mi fermo di più, perché è la più istruttiva. Una grande azienda. Un ingegnere tiene un diario delle attività che facciamo con l'AI-Team che sta nascendo. Ho il suo permesso a citarne passaggi.
Settimana 1: scopre l'outcome-oriented prompting, cioè definire prima il risultato atteso e poi costruire il prompt di conseguenza. Struttura i suoi prompt in markdown. Crea Progetti Claude dedicati per ogni ambito operativo. Inizia a creare il suo ambiente agentico. Bene.
Settimana 2: scopre il metaprompting (far generare all'AI prompt ottimizzati per task specifici). Fa analizzare all'AI il proprio stile di scrittura per mantenere coerenza nei contenuti. E, già che c'è, spolvera le sue competenze di data analyst e inizia a far addestrare una rete neurale convoluzionale su immagini di analisi di laboratorio per un caso d'uso del suo reparto.
Settimana 3: introduce la distinzione operativa tra inferenza ed esecuzione (quando serve l'output probabilistico dell'AI, quando serve codice deterministico). Prototipa una dashboard con uno strumento no-code per leggere un CSV generato da uno scraping web settimanale sulle notizie normative di settore. Avvia una collaborazione con la collega AI di un'altra direzione, perché il tema è comune e non ha senso duplicare lavoro. E scrive una riga che vale più di cento paper:
"Il collo di bottiglia non è più il prompt, ma il dato."
Tre settimane. Partendo da un uso dell'AI basico.
Un pattern, oltre l'aneddoto
Due anni fa avevo descritto sei livelli di AI-Fluency: il curioso, l'attivo, lo sperimentatore, il riflessivo, l'architetto, il fluente. Era una mappa per dire alle persone: non preoccupatevi di usare l'AI oggi, preoccupatevi di capire in che livello state per il vostro dominio di competenza, e cosa vi serve per passare al prossimo.
Iniziate a vedre come quei livelli stiano evolvendo davvero?
Iniziate ad immaginare come cambieranno le organizzazioni se anche solo il venti percento delle persone inizierà a fare evoluzioni così veloci?
Riuscite ad immaginare come cambia l'organizzazione? Ne ho parlato anche nel libro "Assumere un'intelligenza artificiale in azienda" quando già si intravedevano queste cose.
Con l'evoluzione degli ambienti agentici, della cultura, della disponibilità di dati; con l'aumentare dell'AI Fluency insomma, le persone stanno smettendo di essere quello che erano. E stanno diventando qualcosa di nuovo: i Full Stack Human. Tranquilli, nessun cyborg distruttore... Ma un'ispirazione che spero ci aiuterà a comprendere meglio un po' di cose.
I Full Stack Human
Il termine viene da Mohanbir Sawhney, docente alla Kellogg School of Management della Northwestern University. Lo ha preso in prestito dal gergo informatico: lo sviluppatore full-stack è quello che sa lavorare sia sul front-end che sul back-end di un'applicazione.
Il Full Stack Human è il suo equivalente umano-non-tecnico nell'era dell'AI: quello che sa lavorare con le competenze adiacenti che l'AI gli permette di acquisire, senza perdere la sua competenza verticale.
La definizione di Sawhney si comprende facilmente con due parole: anchor + radius.
L'anchor è la competenza profonda, il mestiere vero, costruito con anni di esperienza.
Il radius sono le competenze adiacenti che l'AI ti permette di allargare in modo credibile. Non ti fa diventare esperto in tutto, ma ti permette di fare in tutto quello che ruota intorno alla tua competenza principale.
Una HR manager me lo ha sintetizzato in modo molto chiaro mentre ne parlavamo:
"L'AI non ti fa diventare un esperto di acquisti, vendite, marketing. Ti aiuta a consolidare una posizione che già hai."
Ecco. La persona della terza scena è proprio un Full Stack Human perché il suo anchor è la sicurezza del prodotto e tutto il resto (deep learning, dashboard, scraping web, coordinamento cross-direzione) gli cresce intorno senza sostituire il cuore. Il suo giudizio di dominio decide cosa vale e cosa no. Senza di lui al timone, quella CNN sarebbe un giocattolo.
Le altre strade, sbagliate?
Occhio, poi, che c'è un rischio di fraintendimento da chiarire. Il Full Stack Human non è il generalista di trent'anni fa, quello che sapeva un po' di tutto e niente bene. Quel profilo, negli anni Novanta, veniva visto come "quello che non aveva scelto". Oggi è diverso: si parte da un'eccellenza verticale e da lì si allarga il raggio.
Non è nemmeno il fuffa-guru moderno che fa fare tutto all'AI. Quello non è altro che un cespuglio variopinto che spara colori ovunque ma che al primo vento cade...
La profondità resta fondamentale. Il giudizio, e il gusto battono i prompt. Perché l'AI ti porta al 70% della soluzione, ma il 30% finale (la decisione, il taglio, il gusto, il rifiuto di un output che non convince) quello resta umano. E senza anchor non riesci neanche a valutare il 70%. E fai solo rumore (leggi AI SLOP).
Le persone tendono a prendere poi altre strade che trovo spesso, che metterei tra questi due estremi:
Il rigetto. L'esecutore che ha bisogno di input chiari e output deterministici. Al primo output probabilistico dell'AI si irrita, butta via lo strumento, dice "non funziona". In realtà funziona, solo che funziona in modo diverso da quello a cui è abituato lui. Non ha tempo, voglia di spiegare ad un'AI il suo lavoro. O ha comprensibilmente paura non conoscendola.
La fede. Chi aspetta l'oracolo. Pensa che l'AI gli darà la verità. Delega il giudizio. Se l'AI lo dice, è giusto. Se lo fa l'AI è meraviglioso. Sospira di meraviglia ad ogni risultato fatto dai suoi agenti.
Il Full Stack Human va in una terza direzione: né rigetto, né fede. Giudizio costante. Usa l'AI come base di partenza, non come sostituto. E sa quando fermarsi.
Perché succede adesso
Prima l'attrito (friction) dominava il movimento tra competenze: per saltare da un ruolo a uno adiacente servivano mesi di training, traduzione, apprendimento. Le skill si comportavano come solidi, difficili da plasmare. L'AI ha ridotto drasticamente questo attrito. Le skill adesso si comportano come liquidi: fluiscono tra ruoli un tempo separati.
E con loro i mestieri, destinati inesorabilmente a modificare forma, struttura, ampiezza. Come ho iniziato a raccontare qui.
Nelle tre scene di questa settimana, quello che ho visto è esattamente questo: mestieri che cambiano. Un dev che entra in un linguaggio nuovo in mezza giornata e delivera. Una marketer che tocca database e calendari editoriali e newsletter filter senza uscire dal suo ruolo. Un ingegnere di dominio che addestra una rete neurale perché il caso d'uso glielo suggerisce, non perché qualcuno lo ha deciso in un organigramma.
Vale solo a una condizione: l'anchor deve essere saldo. Per chi ha già un mestiere, il 70% dell'AI è il 70% di una soluzione. Per chi non ce l'ha, il 70% dell'AI è il 100% di un'illusione.
E le organizzazioni?
Questo è quello che succede nelle persone. Dentro di loro, nel modo in cui pensano al proprio lavoro, nel modo in cui riformulano un compito.
Il problema è che le persone lavorano dentro organizzazioni.
E le organizzazioni, nella mia esperienza, non si stanno muovendo alla stessa velocità. Shadow AI che esplode perché i canali ufficiali non reggono.
Policy che arrivano sei mesi dopo che il lavoro è già cambiato. IT che aspetta indicazioni dal business, business che aspetta indicazioni dall'IT. Tool aziendali che per sicurezza sono stati talmente vincolati da diventare inutilizzabili, e il professionista bravo si tiene l'account personale e lavora da casa.
Quindi?
Tre scene, un nome, una condizione.
Il Full Stack Human non è un profilo teorico americano. È quello che vedo emergere quando una persona con un mestiere vero si mette a lavorare davvero con l'AI. Un'ingegnere che in due ore entra in un mestiere che non aveva mai fatto con coscienza e responsabilità. Una del marketing che fa il lavoro di quattro persone. Un ingegnere che in tre settimane si allarga senza perdere il suo centro. Sta succedendo, ora, nelle aziende italiane, con una velocità che due anni fa non avrei previsto.
Se hai un mestiere in cui ti riconosci, non stai più scegliendo tra approfondire e allargare. Puoi avere entrambe le cose. L'AI ti porta al 70%, tu decidi il 30% che conta. A una condizione: che il giudizio resti tuo, sempre. Nel momento in cui accetti passivamente quello che l'AI ti propone, l'anchor si sta sciogliendo. E senza anchor, il radius è rumore.
Iniziamo ad abituarci. A ruoli che si staccano come iceberg e diventano liquidi. A persone che consegnano deliverable che non avrebbero mai pensato in vita loro.
A chiederci come cambieranno gli equilibri quando l'ufficio legale tirerà fuori uno strumento software con dentro l'AI e lo passerà ai commerciali da usare in trattativa. O quando il post-sales guarderà il firmware di una macchina, troverà il bug e proporrà la correzione ai programmatori che l'avevano scritto.
Le persone si stanno muovendo. Le loro organizzazioni, in larga parte, no. E la distanza tra queste due cose è esattamente il problema che merita un pezzo tutto suo. È il tema della prossima volta.
Massimiliano
"Gli analfabeti del XXI secolo non saranno quelli che non sanno leggere e scrivere, ma quelli che non saranno in grado di imparare, disimparare e reimparare." Alvin Toffler
Tempi di AI, ho pensato che potesse servire un recap a domande in fondo. 100% AI Made e 100% Human Edited. Fatemi sapere se hanno senso.
Domande collegate
Cos'è il Full Stack Human? Un professionista con una competenza profonda in un dominio specifico (l'anchor), capace di espandere il proprio raggio d'azione a competenze adiacenti grazie all'AI (il radius). Il termine è di Mohanbir Sawhney (Kellogg School of Management). Ha sempre un mestiere verticale forte, che gli dà il giudizio per valutare cosa l'AI gli sta restituendo.
Full Stack Human è la stessa cosa di T-shaped professional? No. Il profilo T-shaped aveva profondità verticale più conoscenze orizzontali superficiali: sapeva parlare con le altre funzioni. Il Full Stack Human fa quelle funzioni, almeno in prima bozza. La barra orizzontale della T si estende grazie all'AI che fornisce competenze ausiliarie on-demand. È un T-shaped 2.0.
Come si diventa Full Stack Human? Serve un percorso di AI-Fluency, nella mia visione attraversa sei livelli (curioso, attivo, sperimentatore, riflessivo, architetto, fluente), quindici minuti al giorno di pratica reale sul proprio lavoro, e un ambiente (aziendale o personale) che permetta di sperimentare senza essere puniti per il primo errore. In tempi realistici: tre anni di maturità in tre mesi, se la persona è d'accordo.
Il Full Stack Human sostituisce gli specialisti? Sawhney lo dice esplicitamente: "specialization won't die, but integration will become a key advantage." Gli specialisti restano essenziali per le decisioni di dominio profondo. Quello che cambia è che il Full Stack Human arriva al tavolo con una prima bozza credibile, e lo specialista valida, rifinisce, decide. Il collo di bottiglia si sposta dall'"iniziare il lavoro" al "decidere bene".
Ogni professionista può diventare Full Stack Human? Sì, a due condizioni. Primo: avere già un anchor saldo, cioè un mestiere vero in cui si è credibili. Senza, il radius diventa rumore e si finisce nel gruppo di quelli che "usano l'AI per fare tutto male". Secondo: accettare che il proprio modo di lavorare cambierà. Chi vuole l'AI come "scorciatoia senza cambiare nulla" diventa il cyborg segreto di cui parla Ethan Mollick.
Commenti