Facciamo un salto nel passato. È il 2012: il Ministero dell’Istruzione vuole pubblicare sul suo sito un bando di ricerca internazionale sul pecorino toscano.
Qualcuno viene incaricato di tradurre il bando in inglese. Un compito semplice se conosci la lingua e sai usare il traduttore automatico, un tool piuttosto avanzato per l’epoca. Uso il condizionale perché probabilmente chi si è occupato della traduzione non era proprio fluente in inglese dato che partorì una traduzione che rimase nella storia: il titolo italiano del bando, “Dalla pecora al pecorino”, divenne in inglese “From sheep to Doggy Style”. Come documentò Paolo Attivissimo, il caso fece il giro del continente prima che il Ministero pubblicasse le proprie scuse.
Torniamo ora al presente: il 23 gennaio è arrivato nelle sale Mercy: in un futuro distopico in cui l’AI è talmente avanzata da ricoprire i ruoli di giudice, giuria e boia, un detective della polizia ha novanta minuti per convincerla che non ha commesso l’omicidio di cui è accusato. Praticamente tutto il film ruota attorno a come sia stato possibile fregare la macchina ed accusare un “innocente”.
A prima vista sono due eventi lontanissimi tra loro: una traduzione automatica a luci rosse e il racconto di un’AI infallibile che alla fine viene aggirata. Entrambi, però, ci pongono davanti al rapporto complicato che sussiste tra l’uomo, la tecnologia e la (mancata) competenza. In altre parole, in ogni epoca gli strumenti più avanzati che abbiamo a disposizione hanno richiesto due competenze diverse: padroneggiarne la tecnologia alla base e padroneggiarne il campo di applicazione. Quando è assente una delle due, il disastro è servito. Sono infiniti i casi in cui gli utenti, invece, si fidano ciecamente di tecnologie che spesso conoscono solo superficialmente e finiscono per compiere disastri di portata epica.
Sono dell’idea che qualsiasi nuova tecnologia non possa sostituire la competenza nel campo in cui venga applicata, bensì la presupponga.
Con gli LLM il concetto è lo stesso: l’AI è diventata un moltiplicatore di forza: se sei competente nel campo in cui la utilizzi, sarà il tuo alleato ideale, ma se non conosci la materia, preparati al peggio, dato che diventerà il peggiore dei nemici.
Cosa moltiplica davvero?
“Moltiplicatore di forza” è un termine militare che indica un fattore che aumenta l’efficacia di una forza militare senza aumentarne le dimensioni. Pensiamo al mondo dell’intelligence. Oramai, il nostro problema principale non è più raccogliere dati quanto piuttosto gestire la quantità di informazioni a nostra disposizione. GeoInt, OSInt, SigInt, “RumInt”: lo tsunami di informazioni arriva continuamente ad una velocità che nessun analista riuscirà mai a gestire nei tempi richiesti. È una situazione che viene descritta bene da DefenseScoop: troppi dati, troppo pochi analisti, e l’AI che passa dal mero raccoglitore a diventare partner nella decisione. Questa situazione apre la strada alla seconda problematica: la fiducia in chi o in cosa valuti e validi i dati.
Riprendo la mia tesi precedente e la espando.
L’AI moltiplica ciò che già sei: se conosci il tuo campo e sai utilizzare l’LLM che stai usando, hai la possibilità di diventare un sovraumano. Se invece hai una conoscenza superficiale di uno dei campi, l’LLM sarà incredibilmente creativo nel rovinarti la vita.
La conoscenza di settore ti deve servire sia per sapere cosa cercare, sia per dialogare con il modello a tua disposizione, sia per analizzare criticamente ciò che ti viene servito in un piatto d’argento.
La seconda competenza
Ormai sappiamo com’è cambiato il lavoro dell’analista: oggi è imperativo che l’esperto di dominio diventi anche esperto di un secondo ambito: comunicare con chiarezza e usare al meglio gli LLM a propria disposizione. Non è una teoria campata sul nulla. In un esperimento del MIT Sloan su quasi 1.900 persone, metà dei miglioramenti ottenuti passando a un modello più potente non derivava dal modello stesso, bensì dal modo in cui gli utenti riscrivevano i propri prompt.
Gli utenti migliori? Quelli che sapevano esprimere un’idea con parole chiare. Tieni presente questo particolare perché ribalta l’alibi del “non sono tecnico”.
Saper usare l’AI è una competenza a sé stante che va acquisita per evitare di essere spazzati via dalla concorrenza. PER ORA, la differenza la fai (ancora) tu che gestisci il lavoro degli LLM.
Man mano che si padroneggia l’uso degli LLM, si crea un baratro con chi invece non può o si ostina a non usarli. L’UNESCO lo chiama il nuovo divario digitale: non più tra chi ha accesso alla rete e chi non ce l’ha, ma tra chi sa farsi valere con l’AI e chi la subisce.
Questo divario non separa soltanto gli esperti dai profani. Separa anche gli esperti di dominio che hanno acquisito una nuova capacità da quelli, bravissimi nel loro campo, che si sono fermati.
Il rischio, per te, è doppio. Restare dalla parte sbagliata del divario, oppure finire così avanti che ciò che produci non è più comprensibile a chi dovrebbe valutarlo: il cliente, la redazione, la giuria.
Una competenza che nessuno attorno a te comprende è difficile da spendere e, ancor più, da difendere. Qui si torna sulla necessità di sapere illustrare quello che si fa nel modo corretto.
La questione va affrontata anche da un altro punto di vista, altrimenti è dietrologia. Non tutti gli studi danno ragione ai fan degli LLM. In un test controllato di METR effettuato nel 2025 su sviluppatori esperti si è notato che chi usava l’AI ci metteva il 19% in più, convinto, per giunta, di essere andato più veloce. Gli stessi ricercatori ammettono che ora la situazione sembra cambiata.
Dove sei debole
Il bello del moltiplicatore è che ti aiuta a colmare parzialmente alcune delle tue lacune. Non sai programmare? Con un LLM riesci a sviluppare uno script che soddisfi quel bisogno specifico.
Ti esprimi male in inglese nelle mail? Te lo fai scrivere o correggere con un tool apposito.
La tua relazione tecnica è piena di refusi e di passaggi confusi? Una revisione con l’LLM non la si nega a nessuno.
Un’incompatibilità tra i driver del nuovo portatile rischia di farti perdere ore a cercare una soluzione? Claude probabilmente ti fornirà una soluzione entro mezz’ora.
Se ci pensi, è lo stesso principio alla base dei tool che ormai l’AI riesce ad usare: lasciamo che la macchina si faccia carico di buona parte del lavoro sporco e manteniamo la priorità sui compiti che richiedono ragionamento e testa. Il confine, per ora, è preciso, il che è anche il miglior argomento a favore della competenza: l’AI ti estende solo fin dove sei capace di controllarla.
Lo script che non sai analizzare potrebbe finire in produzione con falle clamorose o con codice clonato da materiale proprietario.
La bozza di relazione che hai preso tal quale da ChatGPT magari ha fonti inventate o conclusioni sballate che tu comunque mandi avanti con la tua firma sopra.
E qui arriviamo alla terza tesi: il moltiplicatore non può sostituire il tuo giudizio; anzi, te ne richiede il doppio rispetto al passato.
Ne abbiamo parlato per esteso nel post sull’atrofia del pensiero critico: il rischio non è che l’AI sbagli, ma che sbagli in modo così convincente da farti decidere che controllare sia superfluo. La risposta del modello, da sola, non è una fonte. È un’ipotesi da verificare, come quelle che ti dà una fonte umana di cui non ti fidi a scatola chiusa.
Difenderlo in pubblico
Torniamo sul tema del film Mercy e ribaltiamolo.
Se nella finzione cinematografica l’AI è alla guida della situazione, nella realtà di tutti i giorni siamo noi a rispondere di quanto ci ha passato Claude o Gemini.
Un’analisi OSInt o di Digital Forensics, prima o poi, andrà difesa ed argomentata davanti a un cliente, a una redazione, in un dibattimento.
Pensa al consulente tecnico che debba illustrare la propria relazione in dibattimento in modo da reggere il controesame.
Vale tanto per il consulente quanto per altre figure professionali. È interessante leggere il riassunto del caso Mata contro Avianca, in cui due avvocati di New York depositarono una memoria piena di sentenze che ChatGPT aveva inventato di sana pianta, corredata di citazioni e numeri di causa. Quando la controparte fece notare che quei precedenti non esistevano, invece di ritirarli ne produssero delle “copie”, sempre generate dall’AI. (No, non capita solo in Italia!)
L’AI ti fa davvero guadagnare tempo?
La risposta a questa domanda sembra meno rosea di quanto si pensi. Secondo l’analisi di Harvard Business Review, l’AI sembra aumentare le ore di lavoro dei dipendenti che, forse inconsapevolmente, si fanno carico di compiti al di fuori di quelli assegnati. Solo una minoranza dei lavoratori reinveste il tempo risparmiato in attività di maggior valore; il resto se ne va in altro lavoro aggiuntivo o nel sorvegliare e ripulire l’output generato dai modelli.
Tradotto per noi: il moltiplicatore può regalarti ore extra nell’arco della settimana, che sei sempre tu a dover decidere come gestirle.
Spenderle per aumentare le proprie competenze, ad esempio per studiare un nuovo dominio, esercitarsi, analizzare i propri errori, oppure per rilassarsi.
L’AI per studiare è una pacchia: ti interroga, ti simula uno scenario, ti fa da palestra. Ma imparare con l’AI, senza dover rispondere a nessuno, è un conto. Lavorare con l’AI, dove devi, è un altro discorso.
Lontani da Mercy
Il giudice-AI di Mercy potrebbe far parte di un futuro distopico, da cui, FORSE, siamo ancora lontani. Pensandoci meglio, probabilmente quella realtà è dietro l’angolo.
Torniamo a noi: una cosa puoi portarti a casa: chi usa il modello ti ha superato. Non parlo di chi lo usa e basta, ma di chi lo usa al meglio, con la competenza per sapere dove scavare e difendere ciò che tira fuori.
Rimanere sulla vecchia via, usando i metodi duri e puri di una volta, per pigrizia o per orgoglio, significa farsi asfaltare da gente tecnicamente meno competente di te, ma che ha imparato a moltiplicare la propria forza.
Ti lascio con questi spunti, la prossima volta che un modello ti serve LA risposta perfetta, quella che volevi sentirti dire, prima di passare oltre, fatti queste domande:
- Sapresti trovarla senza di lui?
- Sapresti spiegarla a chi te la contesta?
- E il tempo che ti ha fatto risparmiare oggi: lo hai speso per diventare più bravo?
Ne vogliamo parlare nei commenti o nel nostro gruppo Telegram?
Lascia un commento