La porcellana Arita, prodotta nella città di Arita e nei dintorni, nella prefettura di Saga, si basa su una divisione del lavoro in cui ogni fase è affidata a persone diverse. Per affrontare la sfida di trasmettere alle nuove generazioni le conoscenze e i criteri di valutazione propri di ciascuna fase, il supporto dell’IA alla documentazione, per esempio attraverso la trascrizione audio, può rappresentare una possibile soluzione. In questo articolo esaminiamo l’idea di considerare l’IA non un sostituto degli artigiani, ma un supporto alla documentazione.
Perché considerare insieme artigianato tradizionale e IA?
In molti mestieri tradizionali, le competenze sono state trasmesse da una persona all’altra nel corso di molto tempo. Se questa trasmissione si interrompe, possono restare le forme e le decorazioni degli oggetti, ma si perdono le ragioni delle scelte che ne hanno guidato la realizzazione. La trasmissione delle competenze è una questione sociale con cui i distretti produttivi devono confrontarsi costantemente.
D’altra parte, spesso si parla dell’IA come di una minaccia capace di sottrarre il lavoro agli artigiani. Ma sostituire tutto con le macchine e aiutare a conservare le parole e le esperienze delle persone sono due cose del tutto diverse. Nel riflettere sul rapporto tra artigianato tradizionale e IA, il punto di partenza dovrebbe essere proprio questa seconda idea.
Questo articolo si concentra sulla porcellana Arita perché la sua struttura produttiva, basata sulla divisione del lavoro, è un esempio chiaro per riflettere sulla documentazione delle competenze. In un distretto in cui ogni fase è affidata a specialisti, se una persona viene a mancare, con lei rischiano di scomparire anche le conoscenze relative a quella fase. Per questo la domanda su cosa conservare e come farlo diventa concreta.
La porcellana Arita è il risultato di un lavoro collettivo
La porcellana Arita è prodotta nella città di Arita e nelle zone circostanti, nella prefettura di Saga. La lavorazione è fondamentalmente suddivisa tra specialisti: ogni fase, dalla modellatura alla decorazione, fino alla cottura, richiede competenze specifiche. La realizzazione di un singolo pezzo riunisce quindi le valutazioni di più persone.
Le origini vanno raccontate con cautela
Talvolta si indica il «1616» come anno di nascita della porcellana Arita. Il Museo di storia e folklore della città di Arita spiega però che questa data deriva da un documento che registra il trasferimento di Kanagae Sanbee e non può essere collegata direttamente all’inizio della produzione della porcellana. Se si vuole indicare un periodo, è più appropriato parlare genericamente degli «anni 1610».
In un distretto produttivo con una storia che si dice risalga a oltre quattro secoli fa, come sono state tramandate le competenze? Nelle sezioni che seguono rifletteremo su quanto possa contribuire l’IA, uno strumento moderno, a rispondere a questa domanda.
Come documentare le competenze legate alla divisione del lavoro
Quando la produzione è suddivisa in più fasi, anche la trasmissione delle competenze va affrontata fase per fase. Ciò che osserva chi si occupa della modellatura è probabilmente diverso da ciò a cui presta attenzione chi decora i pezzi. Definire tutto semplicemente «tecnica» significa rischiare di tralasciare proprio gli aspetti essenziali.
Conservare le ragioni delle scelte
Che cosa osserva l’artigiano, in quale momento si ferma e perché sceglie una determinata soluzione? Documentare a parole le ragioni di queste valutazioni è il punto di partenza. I video possono mostrare i procedimenti, ma le motivazioni alla base delle scelte non emergono se non vengono raccontate.
Quanto segue non descrive un caso di adozione presso uno specifico laboratorio, ma propone un metodo per conservare le conoscenze del distretto produttivo.
La trascrizione audio può essere il primo passo per documentare
Un punto di partenza pratico è trascrivere le registrazioni dei colloqui. Nella documentazione API di OpenAI, Whisper è ancora indicato come una delle opzioni per la trascrizione audio. Trascrivere le interviste ai maestri artigiani o le conversazioni durante le pause di lavoro permette di cercare e rileggere i contenuti in un secondo momento.
Per esempio, immaginiamo che in un laboratorio un giovane chieda a un collega più esperto: «Perché la cottura di oggi è venuta così?», e che la conversazione venga registrata e trascritta. Se si accumulassero materiali di questo tipo per alcuni anni, le conoscenze empiriche del laboratorio resterebbero disponibili in forma scritta. Informazioni affidate alla memoria o agli appunti cartacei potrebbero così trasformarsi in una risorsa condivisibile.
Naturalmente, la sola trascrizione non basta a riprodurre la sensibilità dell’artigiano. Le sottili variazioni della temperatura del fuoco e le sensazioni tattili si perdono in parte nel momento stesso in cui vengono tradotte in parole. Il testo non è la tecnica in sé, ma una mappa per arrivare a comprenderla.
Capire quali compiti affidare all’IA
Il supporto alla documentazione e la riproduzione della tecnica in sé sono due problemi distinti. Il primo rientra tra le attività in cui l’IA può essere utile; il secondo appartiene all’ambito dell’esperienza accumulata dalle persone. Se questa distinzione non viene chiarita, sarà difficile ottenere il consenso di chi lavora sul campo.
Anche ipotesi come usare l’IA generativa di immagini per elaborare nuovi modelli di stoviglie o affidarsi ad agenti IA per sostenere le vendite all’estero sono concepibili. Si tratta però di esempi ancora allo stadio progettuale, non di risultati ottenuti nel settore della porcellana Arita. Se si decidesse di sperimentare, sarebbe ragionevole partire da ciò che gli artigiani stessi vogliono conservare e da ciò che desiderano lasciare nelle mani delle persone.
Il valore dell’IA non sta nella sua semplice introduzione, ma nel modo in cui le conoscenze del settore vengono conservate e rese utilizzabili, e per chi. Il ruolo centrale spetta alle competenze della porcellana Arita; l’IA è un supporto. Proprio perché le competenze del distretto si sono affinate grazie alla divisione del lavoro, è naturale pensare all’IA come a un altro elemento da inserire nel processo.
コメント