Anatom(IA) di un’intervista

Intervista a Maddalena Carraro – Ho incontrato Maddalena Carraro, che si occupa della progettazione consulenziale degli intervistatori AI della piattaforma, per capire come funziona concretamente questo approccio basato sull’elicitazione, dove inizia e dove finisce il ruolo della macchina, e quale sfida tecnologica ed etica si apre all’orizzonte.

Catherine Marshall: Sono Catherine Marshall, giornalista per The Economist e Forbes. Mi occupo da anni di come la tecnologia trasforma il mondo del lavoro e delle organizzazioni. Oggi voglio esplorare con te Tacita.ai — un prodotto che promette di rivoluzionare il modo in cui le aziende raccolgono conoscenza attraverso interviste condotte da agenti AI. Partiamo dall’inizio: nella vita reale, quando un cliente ti chiede “ma cosa fa concretamente Tacita?”, come gli rispondi?

Maddalena Carraro: Concretamente, Tacita è una piattaforma per configurare intervistatori basati su un modello linguistico AI. Il plus è che sono intervistatori conversazionali: non è un form o uno script statico di domande da seguire, ma l’interazione con l’intervistato è sempre nuova, sempre generata, e risulta anche molto spontanea. Il valore nasce da quello che viene detto sul momento — non sappiamo come potrà andare a finire un’intervista, quale deriva prenderà, a meno che non mettiamo dei vincoli molto specifici. La cosa bella è proprio che è tutto generato da un’interazione spontanea.

Catherine Marshall: È un punto affascinante quello della spontaneità — l’idea che ogni intervista sia unica e imprevedibile. Ma aiutami a capire meglio: chi decide le domande di partenza, i criteri con cui l’agente decide quando approfondire un tema e quando passare al successivo? È tutto in mano al cliente, o c’è un processo guidato da voi?

Maddalena Carraro: È un processo di co-creation: lavoriamo insieme al cliente fin dall’inizio. È sempre un progetto consulenziale — parte dall’esigenza del cliente, che viene discussa con noi. Quello che mi piace fare è partire sempre dal risultato che si aspetta il cliente, per capire se quel risultato potrebbe essere migliorato o rivisto, e per capire qual è l’obiettivo a lungo termine. Poi si va a ritroso per capire come impostare l’intervistatore: quali sono i temi principali che dovrebbero essere affrontati. Non ci sono domande fisse, ma ci sono temi guida.

Catherine Marshall: Mi chiedo però: quanto tempo richiede questo processo di setup? Dal primo incontro con il cliente al momento in cui l’intervistatore AI è pronto a fare la prima intervista, di che tempi stiamo parlando?

Maddalena Carraro: Dipende. Fino a qualche mese fa richiedeva più tempo; adesso stiamo iniziando a vedere più casi e stiamo riuscendo anche a standardizzare l’approccio. Riteniamo però, come team, che la fase iniziale — in cui ascoltiamo il cliente e capiamo davvero dove vuole arrivare — sia la più importante di tutte, e che debba sempre rimanere al centro.

Catherine Marshall: Capisco, e ha senso che quella fase di ascolto sia irrinunciabile. Ma mi dai un’idea più concreta — stiamo parlando di giorni, settimane? Se un cliente ti contattasse domani, quando potrebbe fare la prima intervista con l’agente AI?

Maddalena Carraro: Facciamo una prima fase di ascolto attivo con il cliente, ma cerchiamo anche di arrivare abbastanza in fretta a un primo prototipo, perché spesso le persone non hanno ancora un’idea precisa di cosa si aspettano — non sanno cosa significa interagire con un’intelligenza artificiale, a volte ne rimangono estasiate, a volte un po’ deluse. Per dare loro già una prima bozza con cui sperimentare, cerchiamo di tenere i tempi snelli. Di solito è un lavoro molto a step, ma tecnicamente — una volta fatta la prima chiamata, se viene guidata bene — anche un paio di giorni. Progettiamo l’intervistatore, lo testiamo internamente, lo testiamo anche con un intervistato virtuale che risponda all’intervistatore virtuale, e poi siamo già in grado di dare un primo prototipo. Che quasi mai è quello definitivo.

Catherine Marshall: Un paio di giorni per un primo prototipo è notevolmente rapido — e mi piace l’idea di testare un intervistato virtuale contro un intervistatore virtuale, è quasi una mise en abyme. Parliamo però degli output: chi usa davvero questi materiali una volta consegnati, e come viene deciso quale formato è più adatto a un determinato progetto?

Maddalena Carraro: Ultimamente vanno molto le dashboard, perché sono versatili, integrabili nei sistemi dei clienti e molto user friendly. Abbiamo anche iniziato a inserire un ulteriore intervistatore all’interno delle dashboard, che può aiutare nella lettura strategica dei dati. Ma dipende sempre dal contesto: se qualcuno vuole fare un magazine, ci orientiamo verso l’articolo; in azienda le dashboard sono le più richieste, ma per un’indagine di mercato potrebbe avere più senso un report o una presentazione.

Catherine Marshall: Interessante, l’output si adatta al contesto e all’uso finale. Ma voglio capire meglio il processo che porta a quell’output: l’AI si limita a raccogliere le risposte e trascriverle, oppure analizza anche i contenuti, identifica pattern, trae conclusioni? E prima della consegna al cliente, c’è una revisione umana?

Maddalena Carraro: L’intelligenza artificiale ci supporta anche nella fase di redazione dell’output finale. Quello che mettiamo noi è l’impostazione del framework: istruiamo l’AI con il nostro approccio e la nostra conoscenza per analizzare i dati nel modo più efficace. Non diciamo solo “analizza questi dati”: cerchiamo sempre di spingerci più in là attraverso le nostre conoscenze ed esperienze. E sì, c’è sempre una revisione umana prima della consegna al cliente.

Catherine Marshall: Questo mi sembra un elemento importante di controllo qualità. Passiamo ai casi concreti: riesci a raccontarmi un progetto che ricordi bene, dove Tacita ha fatto davvero la differenza per un cliente?

Maddalena Carraro: Un progetto molto interessante — ancora in corso — è quello di analisi del mindset dei dipendenti. Abbiamo stabilito insieme al cliente una serie di criteri per misurare, per esempio, l’orientamento verso il cliente, la flessibilità, l’adattabilità. Il tutto è stato testato non solo dal punto di vista fattuale — quali sono le tue attività principali, cosa ti piace fare, cosa non ti piace — ma anche attraverso scenari simulati, in modo che il dipendente fosse portato a staccarsi dalla situazione fattuale e ragionare su scenari ipotetici. Un approccio interessante per come è stato concepito.

Un altro caso riguarda un’azienda che voleva analizzare i task dei dipendenti: cosa facevano durante la loro giornata lavorativa. È stato chiesto di raccontare liberamente le attività ricorrenti, poi di quantificarle in termini di tempo, e infine è stata fatta un’analisi specifica su quali attività potevano essere delegate all’AI, quali richiedevano lo human in the loop, e quali rimanevano strettamente umane. Da questa analisi sono state prese scelte strategiche per capire dove avesse senso introdurre l’AI e dove no.

Catherine Marshall: Questi due casi sono molto illuminanti — soprattutto il secondo, dove l’analisi dei task ha portato a scelte strategiche concrete. Ma voglio spingermi su un punto: in entrambi i casi stai descrivendo dipendenti che raccontano di sé stessi. Come gestisce Tacita il rischio che le persone rispondano in modo strategico, dicendo quello che pensano voglia sentire l’azienda piuttosto che la verità?

Maddalena Carraro: Non è un caso che abbiamo creato degli scenari simulati proprio per portarli fuori dalla loro realtà, ma non troppo. Questi scenari non erano banali: non era “fai questo o fai quello” con una risposta palesemente giusta e una sbagliata. Erano situazioni complesse, senza una risposta giusta o sbagliata — da qualche parte si dimostrava un’attenzione in più verso il cliente, dall’altra si manteneva un processo più rigoroso dal punto di vista procedurale. Per l’altro caso, invece, abbiamo visto che far raccontare liberamente la propria giornata punto per punto risultava comunque molto naturale, senza strategie particolari.

Catherine Marshall: Gli scenari ambigui come strumento per aggirare le risposte strategiche. Un intervistatore umano esperto percepisce esitazioni, toni di voce, momenti di imbarazzo, e può adattarsi in tempo reale a quei segnali non verbali. Cosa perde concretamente Tacita rispetto a quella dimensione umana?

Maddalena Carraro: Qui entriamo in un tema complesso. L’AI riesce già a cogliere alcune cose — le esitazioni, le pause. Quello che non riesce a fare è leggere la prossemica: il modo in cui ci si muove nello spazio, le espressioni facciali, il tono di voce nel senso più pieno. Questo manca, certamente. Dall’altra parte, in Europa l’AI non può comunque essere usata per questi scopi. E poi c’è un aspetto che può essere un plus: alcune persone potrebbero sentirsi più libere a parlare con un intervistatore virtuale, con la percezione di essere valutate in modo più oggettivo — perché con un intervistatore umano si viene analizzati non solo per quello che si dice, ma anche per come ci si muove e per le espressioni che si fanno. Con Tacita ci può essere la sensazione di essere più liberi dal giudizio.

Catherine Marshall: Hai aperto un tema molto interessante — hai detto che si tende a pensare che l’AI non abbia bias, ma che “questo è un altro tema.” Vorrei approfondire proprio quello: quali bias hai identificato concretamente, e come li gestite?

Maddalena Carraro: Dentro Tacita, come prodotto, non ce ne sono. Stavo parlando dell’AI in generale: è stata addestrata su dati umani e ha quindi ereditato anche i nostri bias e stereotipi. Non è una cosa necessariamente sbagliata — gli stereotipi ci aiutano a orientarci nella realtà e spesso la rappresentano — ma in contesti sensibili come le interviste aziendali vanno il più possibile evitati. Stavo allargando il quadro all’AI in generale, non a Tacita nello specifico.

Catherine Marshall: Capisco. Rimango però su Tacita nello specifico: come garantite concretamente l’assenza di bias? Cosa succede se l’agente pone una domanda mal formulata, o se l’intervistato dà risposte vaghe o fuorvianti?

Maddalena Carraro: Tutto è controllato dal prompt design: gli intervistatori hanno dei limiti, un contesto ben definito di azione e dei trigger specifici — sia per la sicurezza, per prevenire tentativi di prompt injection, sia per i contenuti. Se l’intervistato inizia a parlare di temi completamente fuori focus o non etici, l’intervistatore cerca di riportarlo sulla strada, o direttamente si ferma. Abbiamo intervistato degli adolescenti di quarta e quinta superiore, ed è stato interessante: questi ragazzi, con una delle prime esperienze con un intervistatore virtuale, hanno cercato di provocarlo, parlando anche di temi molto scomodi. In alcuni casi l’intervistatore ha capito che non c’era un’opportunità di dialogo produttivo e ha risposto direttamente: “Non voglio portare oltre questa conversazione, finiamola qui” — e chiudeva la chiamata.

Catherine Marshall: Questo è un esempio molto concreto e rivelatore — la capacità di chiudere la conversazione quando non c’è più margine di dialogo utile. Chi è il cliente ideale di Tacita — c’è un profilo preciso, o il prodotto si adatta davvero a contesti così diversi tra loro?

Maddalena Carraro: È davvero molto adattabile. Il focus di Tacita è sempre porre domande, basarsi sull’elicitazione. La cosa che viene spesso fraintesa è che non è l’utente a fare domande e Tacita a rispondere — non è un modo per conversare con i dati. Sono i dati che conversano con te, che ti fanno delle domande, che ti portano a fare dei ragionamenti. Questo, credo, può essere applicato in quasi tutti i contesti.

Catherine Marshall: È una distinzione molto netta e potente — non sei tu che interroghi i dati, sono i dati che interrogano te. Ma proprio partendo da questa distinzione: dove hai visto Tacita funzionare meno bene? Ci sono contesti o tipologie di interlocutori in cui questo approccio non funziona come vorresti?

Maddalena Carraro: Per il momento siamo anche bravi a sceglierci i clienti e i casi giusti. La settimana scorsa mi è capitato il caso di un cliente che chiedeva di interrogare un database — di non conformità, nel suo caso. Quello che ho proposto io è stato: perché non facciamo un intervistatore che, con delle domande, guida nella compilazione dei report e poi fa domande specifiche basandosi su tutti i dati delle non conformità raccolti in precedenza? Ma il cliente era più focalizzato sull’avere un modo per interrogare i dati direttamente. Non so come andrà a finire.

Catherine Marshall: Arriviamo all’ultima domanda: tra tre anni, dove vedi Tacita? E qual è la scommessa più rischiosa che state facendo adesso?

Maddalena Carraro: È difficile da dire, con il ritmo con il quale sta evolvendo l’AI. Già fino a qualche mese fa non vedevo tutti questi sviluppi, mentre adesso sono possibili. La scommessa più rischiosa che stiamo prendendo è quella di provare a testare Tacita anche con dei video — dare la possibilità a Tacita di vedere lo schermo dell’utente e la realtà circostante, per fare domande al riguardo. È una bella sfida, sia dal punto di vista tecnico che da quello della privacy. Tra tre anni, sinceramente non lo so.

Catherine Marshall: È una risposta onesta, e mi piace proprio per questo — non hai fatto promesse roboanti, hai riconosciuto l’incertezza di un settore che si muove più velocemente di qualsiasi previsione. Maddalena, ti ringrazio davvero. Questa conversazione mi ha dato un quadro molto più nitido di Tacita — un prodotto che ha una filosofia precisa, quella dell’elicitazione, che sa dove funziona e sta imparando dove sono i suoi limiti. La sfida del video sarà interessante da seguire, sia tecnicamente che eticamente. Grazie per la tua disponibilità e per la tua franchezza.