Perché Netflix punta sui pensatori sistemici, non sugli specialisti, nell'era dell'IA | Elizabeth Stone (CPTO)

Quando Netflix ha lanciato il famoso “Netflix Prize”, ha messo in palio un milione di dollari per chiunque fosse in grado di migliorare il suo algoritmo di raccomandazione anche solo di una manciata di punti percentuali. E alla fine, ci sono voluti anni e team di super esperti da tutto il mondo per riuscirci. Ma oggi, grazie all'intelligenza artificiale, il vero salto non lo fanno più i super-specialisti con dieci anni di esperienza sullo stesso argomento: a rivoluzionare Netflix, e le aziende che vogliono rimanere all'avanguardia, sono i pensatori di sistemi. Il modo tradizionale di ragionare sul lavoro era “trova la tua nicchia, diventa il migliore in quella nicchia, difendila a ogni costo”. Ora il paradosso è che quasi ogni professione – dal product manager al designer, dall'ingegnere al data scientist – può fare una parte del lavoro degli altri. Le barriere tra le funzioni si stanno abbattendo: i designer scrivono specifiche di prodotto, gli ingegneri ragionano come product, i PM programmano. Il risultato? Dall'esterno sembra il trionfo del generalista, ma la realtà è più sofisticata: Netflix non cerca tuttologi, ma persone capaci di vedere connessioni tra mondi diversi, costruire piattaforme e “paved paths” che permettano agli altri di muoversi velocemente senza perdersi. Il volto di questa filosofia è Elizabeth Stone, Chief Product and Technology Officer di Netflix. Prima di Netflix, Stone ha lavorato come VP of Science a Lyft, Chief Operating Officer a Nuna, economista in Analysis Group e perfino trader a Merrill Lynch. Ma la sua particolarità non è tanto la carriera trasversale, quanto il modo in cui pensa l'organizzazione: per Elizabeth, la vera eccellenza è “un sistema operativo”, non una somma di talenti isolati. Racconta che la cultura di Netflix è sempre stata “eccellenza come sistema operativo”: dare autonomia radicale, fiducia, accountability senza annegare tutto nei processi. Ma oggi, con l'AI che permette a tutti di spingersi fuori dal proprio perimetro, la sfida è avere persone che sappiano astrarre: i sistemi thinker. Stone fa un esempio concreto: in passato, ogni team Netflix costruiva la propria soluzione, spesso da zero, per risolvere un problema locale. Oggi, con l'AI e gli agenti che si muovono tra sistemi diversi, serve una nuova figura che sappia progettare piattaforme comuni, standard, che accelerino tutti e pongano dei limiti. Questo vale anche per il design: invece di progettare solo un pulsante perfetto, i designer di oggi devono pensare a template e linguaggi che altri potranno riutilizzare in decine di prodotti diversi. E la stessa logica vale per l'ingegneria, dove la domanda non è più solo “so scrivere codice?”, ma “so costruire un'infrastruttura che regga mille usi, anche quelli che non immagino ancora?”. Ed ecco il capovolgimento: Stone non dice che gli specialisti sono finiti. Anzi, in alcune nicchie super-tecnici – come i sistemi di encoding video di Netflix – servono ancora. Ma la tendenza è opposta rispetto a dieci anni fa: chi si chiude in una sola specializzazione rischia di diventare marginale, mentre chi sa interpretare problemi più ampi e adattarsi cresce di più. Un dato che colpisce: Netflix sta assumendo più persone con un profilo da “sistemi thinker” che semplici specialisti, sia in ingegneria che in design. E la vera abilità da coltivare non è solo tecnica, ma mentale: la capacità di “fare un passo indietro”, chiedersi quale presupposto sto dando per scontato, quale problema più grande sto davvero risolvendo. Stone suggerisce un esercizio: ogni volta che lavori a una funzione, prova a domandarti quale impatto avrebbe su tutto il sistema, anche al di fuori del tuo perimetro. Una sorta di “pensa come il tuo manager”, ma a livello di tutta l'azienda. C'è anche un altro aspetto che non si vede dall'esterno: Netflix continua a puntare tantissimo sulla “talent density”, cioè avere solo persone di altissimo livello, e su una cultura che preferisce l'autonomia ai processi. Ma questa autonomia richiede anche una responsabilità fortissima: ogni errore non si copre con nuove procedure, ma con retrospettive senza colpe e una crescita vera. Quando si verifica un errore, non si risponde aggiungendo checklist: si chiede alla persona come può imparare e condividere le lezioni. E il famoso “test dei keeper” serve sia a capire chi non funziona, sia a celebrare chi fa la differenza. Un altro mito che Stone sfata è quello della “fine dei junior”: Netflix continua a investire su stage e assunzioni di neolaureati, perché sono spesso i più abili a capire come il mondo del consumo di intrattenimento stia cambiando. Ma la responsabilità della qualità non scompare: anche i junior devono imparare la maestria del mestiere, anche se oggi usano strumenti diversi. Ad esempio, possono usare l'AI per accelerare, ma devono sapere leggere, correggere e migliorare ciò che la macchina produce. Per Stone, il futuro non è un mondo dove la tecnologia sostituisce le persone: è un mondo dove le persone che crescono sono quelle che guidano la tecnologia, la capiscono, sanno orientarla verso obiettivi più grandi del loro ruolo. E al centro di tutto rimane la capacità di raccontare storie che parlino agli esseri umani: “La narrazione è una cosa che ci accomuna da sempre. L'AI può amplificarla, ma non sostituirla”. La frase che racchiude questa visione? Non serve più essere il migliore in una nicchia: oggi conta saper costruire sistemi e connessioni che consentano agli altri di fare grandi cose. Se ti sei rivisto in questa storia, su Lara Notes puoi premere I'm In: non è solo un like, è il modo per dire che questo modo di pensare adesso ti appartiene. E se tra qualche giorno ti ritrovi a discuterne con qualcuno – magari raccontando l'esempio del Netflix Prize, o la cultura dell'eccellenza come sistema operativo – su Lara Notes puoi taggare chi era con te con Shared Offline: è il gesto che ferma quella conversazione vera. Questa Nota viene da Lenny's Podcast e ti ha fatto risparmiare 68 minuti.