Perchè così tante persone non comprendono il potere della complementarità? Tutto inizia dalla scuola. Gli ingegneri software tendono a lavorare su progetti che sostituiscono gli sforzi umani perché questo è quello per cui sono stati addestrati. Gli accademici si costruiscono una reputazione grazie alle ricerche specializzate: il loro scopo principale è pubblicare articoli, e la pubblicazione implica il rispetto dei limiti di una determinata disciplina. Per gli informatici, ciò significa ridurre le capacità umane in compiti specializzati che i computer possono essere addestrati a raggiungere uno a uno.
Basta dare un’occhiata ai trend più alla moda nel settore dell’informatica oggi. Anche solo il termine “apprendimento automatico” evoca immagini di sostituzione, e i suoi sostenitori sembrano credere che i computer possano imparare a eseguire praticamente qualsiasi compito, purché noi li alimentiamo con sufficienti dati di apprendimento. Ogni utilizzatore di Netflix o Amazon ha sperimentato di prima mano il potere dell’apprendimento automatico: entrambe le società utilizzano degli algoritmi per raccomandare i prodotti basati su ciò che avete visto o acquistato in precedenza. Più li alimentate con i dati, più funzionano bene. Google Translate funziona allo stesso modo, fornendo traduzioni grezze ma utilizzabili nelle 80 lingue cui è offerto il servizio, non perché il software comprende il linguaggio umano, ma perché ha estratto dei modelli attraverso un’analisi statistica di un’enorme mole di testo.
Un’altra espressione alla moda che incarna il pregiudizio a favore della sostituzione è “big data”. Oggi le imprese hanno un appetito insaziabile per i dati, nell’errata convinzione che una maggiore quantità di essi crei sempre un valore più alto. Di solito, però, si tratta di dati che non dicono nulla. I computer possono individuare modelli che sfuggono agli esseri umani, ma non sanno come paragonare i modelli derivanti da fonti diverse o come interpretare i comportamenti complessi. Le intuizioni che hanno un valore concreto possono venire solo da un analista umano (oppure da quel genere di intelligenza artificiale che esiste solo nella fantascienza).
Ci siamo fatti incantare dai big data solo a causa del loro esotismo. Siamo impressionati dai piccoli compiti portati a termine dai computer da soli, ma ignoriamo i grandi risultati della complementarità perché il contributo umano li rende meno misteriosi. Watson, Big Blue e gli algoritmi di apprendimento automatico sempre migliori sono alla moda. Tuttavia, la società che avrà più valore nel futuro non si domanda quali problemi possono essere risolti dai computer da soli: essa si chiederà: come possono i computer aiutare gli esseri a risolvere problemi difficili?
