Il rapporto con l’intelligenza artificiale cambia con il tempo. All’inizio facciamo domande e riceviamo risposte. Poi cominciamo a fornire documenti, correggere interpretazioni, trasferire esperienza e costruire un metodo di lavoro comune.
Dopo mesi, forse anni, accade qualcosa di più interessante: l’intelligenza artificiale resta artificiale, ma una parte della qualità delle sue risposte dipende dall’intelligenza e dal sapere che noi abbiamo portato nella relazione.
La mattina potremmo cominciare chiedendo a ChatGPT una cosa semplicissima: «Aiutami a preparare una relazione sull’andamento della mia azienda». La risposta potrebbe essere corretta. Una possibile struttura, qualche indicatore da analizzare, una serie di considerazioni sull’andamento economico e finanziario. Ma sarebbe inevitabilmente generica. Potremmo allora aggiungere il bilancio degli ultimi tre anni. Poi il budget. Poi una relazione precedente. Potremmo spiegare che l’impresa sta affrontando un nuovo investimento, che il fatturato è cresciuto ma la marginalità si è ridotta, che l’indebitamento è aumentato e che vogliamo capire se si tratta di un problema strutturale oppure della conseguenza temporanea del ciclo degli investimenti. La risposta cambierebbe. Potremmo correggerla: «Stai attribuendo troppa importanza alla crescita dei ricavi. Nel nostro settore conta soprattutto la capacità di trasformare la crescita in cassa». La risposta cambierebbe ancora. Poi potremmo aggiungere: «Confronta questi dati con quelli che ti ho fornito in precedenza e prova a verificare se la mia interpretazione regge». A quel punto non stiamo più semplicemente interrogando una macchina. Stiamo costruendo un rapporto cognitivo. Ed è proprio qui che comincia il nostro giorno con ChatGPT.
Ore 9.00: sa moltissimo, ma non sa quasi nulla di noi
Il primo incontro con un sistema di intelligenza artificiale generativa contiene un curioso paradosso. Davanti a noi abbiamo uno strumento capace di muoversi tra economia, letteratura, storia, diritto, medicina, matematica, filosofia e innumerevoli altri campi della conoscenza. Eppure, all’inizio, sa pochissimo del problema specifico che vogliamo affrontare. Può conoscere perfettamente gli indici di bilancio, ma non conoscere la nostra azienda. Può spiegare che cosa sia un piano industriale, ma non sapere perché quello che abbiamo costruito cinque anni prima non ha funzionato. Può conoscere centinaia di modelli teorici, ma non possiede i trent’anni di esperienza professionale della persona che gli sta facendo la domanda. È una forma particolare di ignoranza. Conosce moltissimo del mondo, ma ancora quasi nulla del nostro mondo. Ed è proprio quello spazio che progressivamente cominciamo a riempire.
Ore 11.00: imparare a chiedere significa imparare a pensare
All’inizio tendiamo a utilizzare ChatGPT come abbiamo utilizzato per anni un motore di ricerca. Facciamo una domanda e aspettiamo una risposta. Poi scopriamo che possiamo fare qualcosa di diverso. Possiamo contestarla. Possiamo chiedere un approfondimento. Possiamo aggiungere informazioni. Possiamo introdurre un documento che modifica l’interpretazione precedente. Possiamo dire: «Non sono d’accordo». Oppure: «Prova a dimostrare che la mia tesi è sbagliata». La richiesta iniziale diventa progressivamente un percorso. Domanda generica → risposta generica Conoscenza + domanda → risposta contestualizzata
Ma c’è già una prima conseguenza interessante. Per ottenere una risposta migliore siamo costretti a formulare meglio la domanda. E per formulare meglio la domanda dobbiamo comprendere meglio il problema. L’intelligenza artificiale comincia così a produrre un primo effetto sull’intelligenza umana: ci costringe a rendere esplicito ciò che spesso avevamo soltanto intuito.
Ore 14.00: cominciamo a insegnare alla macchina
Con il passare delle ore il rapporto cambia. Forniamo dati. Documenti. Relazioni. Studi. Esperienze. Correggiamo interpretazioni. Spieghiamo perché una conclusione apparentemente logica non funziona nel mondo reale. Introduciamo eccezioni che la teoria non aveva considerato. In altre parole, portiamo dentro il dialogo il nostro sapere. Bisogna naturalmente evitare un equivoco. Dire che ChatGPT “impara da noi” non significa necessariamente che ogni nostra conversazione modifichi il modello generale sul quale il sistema è costruito. Il funzionamento tecnico è più complesso e dipende anche dagli strumenti di memoria, personalizzazione, contesto e accesso ai materiali disponibili. Ma dal punto di vista della relazione uomo-macchina accade qualcosa di evidente. La qualità dell’interazione cresce con la quantità e soprattutto con la qualità del contesto che siamo capaci di costruire. ChatGPT non possiede la nostra esperienza. Siamo noi a portargliela.
Ore 17.00: da assistente a interlocutore
A questo punto smettiamo progressivamente di chiedere soltanto: «Fammi una relazione».
Cominciamo a chiedere: «Trova il punto debole del mio ragionamento».
«Confrontalo con quello che avevamo concluso in precedenza».
«C’è una contraddizione?»
«Quale variabile sto sottovalutando?»
«Se fossi dall’altra parte del tavolo, che cosa contesteresti?»
Il cambiamento è sostanziale. L’intelligenza artificiale non serve più soltanto a produrre un risultato. Diventa un ambiente nel quale mettere alla prova il pensiero. Non le chiediamo: «Che cosa devo pensare?»
Le chiediamo: «Aiutami a pensare meglio ciò che sto pensando».
Nel primo caso deleghiamo una parte della nostra intelligenza. Nel secondo cerchiamo di amplificarla. Ma fermiamoci: non è trascorso un giorno.
Sono trascorsi due anni
È qui che l’esperimento diventa ancora più interessante. Immaginiamo di non spegnere metaforicamente il computer alle undici di sera. Immaginiamo di continuare questo rapporto per due anni. In quei due anni abbiamo elaborato decine di relazioni. Abbiamo analizzato problemi. Fornito documenti. Corretto errori. Scartato interpretazioni. Sviluppato progetti. Confrontato scenari. Abbiamo spiegato perché in determinate situazioni preferiamo un indicatore a un altro, perché una certa impostazione teoricamente corretta non funziona nella nostra esperienza professionale, perché consideriamo importante un determinato rischio e secondario un altro. Ogni documento che abbiamo fornito raccontava qualcosa. Ogni correzione aggiungeva un’informazione. Ogni discussione contribuiva a definire un metodo. Ogni progetto sviluppato insieme diventava parte di una storia intellettuale. Ed è qui che compare qualcosa che potremmo chiamare capitale cognitivo della relazione.
Il capitale cognitivo accumulato
Pensiamo a ciò che può significare, nell’arco di due anni, aver lavorato su cento documenti. Presi singolarmente sono cento documenti. Considerati insieme rappresentano qualcosa di diverso. Raccontano come affrontiamo un problema. Quali fonti consideriamo affidabili. Quali indicatori utilizziamo. Quali errori abbiamo commesso. Quali soluzioni abbiamo già scartato. Quali ipotesi si sono dimostrate corrette. Quali domande tendiamo a porci. In altre parole, quei documenti non rappresentano soltanto un archivio. Rappresentano la sedimentazione di un pensiero.
Ed è probabilmente questo uno degli aspetti più interessanti dell’evoluzione dell’intelligenza artificiale generativa. Il valore non risiede più soltanto nella capacità del sistema di generare una risposta. Risiede anche nella possibilità di mettere in relazione conoscenze, materiali ed elaborazioni costruiti nel tempo. Una relazione preparata oggi può diventare il punto di partenza di quella che prepareremo fra sei mesi. Un’analisi sbagliata può diventare un precedente da non ripetere. Una soluzione scartata può evitare di percorrere nuovamente una strada già dimostratasi inutile. La conoscenza smette di essere soltanto prodotta. Comincia ad accumularsi.
Dal prompt alla memoria professionale
Ed è forse qui che dobbiamo superare definitivamente l’idea secondo cui utilizzare bene l’intelligenza artificiale significhi semplicemente saper scrivere un buon prompt.
Il prompt appartiene alla fase iniziale. In un rapporto maturo conta molto di più ciò che esiste prima della domanda. Il patrimonio documentale. Le conversazioni precedenti. I criteri utilizzati. Le decisioni prese. Gli errori corretti. Le idee abbandonate. Le conoscenze trasferite. È la differenza che esiste tra incontrare per la prima volta un consulente e lavorare con lo stesso professionista per anni. Nel primo incontro dobbiamo spiegargli tutto. Dopo due anni possiamo cominciare una riunione dicendo: «Ripartiamo da dove eravamo rimasti».
Naturalmente un’intelligenza artificiale non è un collega umano e non possiede esperienza, coscienza o comprensione nel significato umano del termine. Ma sul piano operativo la continuità del contesto può produrre un effetto simile: ridurre la distanza tra la domanda e il problema reale che vogliamo risolvere.
E dopo cinque anni?
Portiamo il ragionamento ancora più avanti. Che cosa potrebbe accadere quando una persona utilizzerà per cinque, dieci o vent’anni strumenti di intelligenza artificiale capaci di lavorare con una parte significativa del patrimonio conoscitivo costruito nel corso della propria attività? Non avremo più soltanto una raccolta di file. Avremo qualcosa di simile a una memoria professionale aumentata. Potremo forse ricostruire perché cinque anni prima avevamo assunto una determinata decisione. Confrontare una previsione con ciò che è realmente accaduto. Ritrovare un’intuizione contenuta in un documento che avevamo dimenticato. Collegare due idee formulate a distanza di anni. Individuare persino l’evoluzione del nostro modo di pensare. A quel punto l’intelligenza artificiale non aumenterebbe soltanto la capacità di produrre nuovi contenuti. Potrebbe aumentare la capacità di utilizzare il nostro stesso passato intellettuale. Ed è una differenza enorme.
Il rischio: una macchina che ci dà sempre ragione
Naturalmente esiste anche il pericolo opposto. Più trasferiamo il nostro sapere alla relazione, più rischiamo di costruire una macchina perfettamente adattata al nostro modo di pensare. E quindi anche ai nostri errori. Alle nostre convinzioni. Ai nostri pregiudizi. Alle nostre abitudini mentali.
Un’intelligenza artificiale che dopo anni “ci conosce” molto bene potrebbe diventare un formidabile amplificatore delle nostre idee. Ma potrebbe diventare anche un formidabile amplificatore dei nostri errori.
Per questo il rapporto più evoluto non sarà quello nel quale ChatGPT ci darà risposte sempre più vicine a ciò che pensiamo. Sarà quello nel quale saremo capaci di chiedergli anche di contraddirci.
La personalizzazione senza contraddittorio rischia di diventare una sofisticata camera dell’eco. Il vero salto cognitivo avviene invece quando la conoscenza accumulata viene utilizzata anche contro le nostre certezze. Chi sta formando chi? Dopo due anni, diventa allora ancora più difficile rispondere alla domanda iniziale. Abbiamo formato noi ChatGPT?
In parte sì, almeno nel senso che abbiamo costruito il contesto entro il quale opera con noi. Ma anche ChatGPT ha modificato qualcosa nel nostro modo di lavorare. Ci ha costretto a organizzare conoscenze che erano disperse. A trasformare intuizioni in domande. A documentare affermazioni. A confrontare ipotesi. A recuperare idee dimenticate. A mettere in discussione conclusioni che consideravamo definitive. Il processo non è quindi lineare. Potremmo rappresentarlo così:
Sapere umano → IA → elaborazione → confronto → nuovo sapere umano → nuovo contesto → nuova elaborazione
E poi ancora ,e ancora. Non è un trasferimento di conoscenza in una sola direzione è un circuito cognitivo.
L’intelligenza artificiale non rende tutti uguali
Da qui deriva anche una conseguenza spesso trascurata. Se due persone utilizzano lo stesso sistema di intelligenza artificiale, non necessariamente otterranno nel tempo lo stesso valore. Immaginiamo due professionisti che dispongano esattamente dello stesso strumento. Uno gli pone domande generiche e accetta le prime risposte. L’altro porta trent’anni di esperienza, documenti, studi, casi concreti, corregge gli errori, contesta le conclusioni, collega discipline diverse e continua ad alimentare il confronto. Tecnicamente utilizzano la stessa intelligenza artificiale. Cognitivamente non stanno utilizzando lo stesso strumento. Perché una parte del valore prodotto deriva ormai da ciò che ciascuno ha portato nella relazione. Ed è forse questo il punto che rischiamo di dimenticare quando discutiamo dell’intelligenza artificiale. Parliamo continuamente della sua intelligenza. Molto meno della nostra. Alla fine della giornata. O forse dopo due anni Eravamo partiti da una semplice relazione. Abbiamo fornito qualche documento. Corretto qualche risposta. Aggiunto informazioni. Poi sono arrivati altri documenti, altre analisi, altri progetti. Sono passati mesi. Poi anni. A quel punto ci accorgiamo che ciò che abbiamo costruito non è soltanto una lunga sequenza di conversazioni. È un patrimonio. La macchina ha messo a disposizione una straordinaria capacità di elaborazione. Noi abbiamo portato esperienza, conoscenza, intuizione, memoria, dubbio, capacità critica. Ed è dall’incontro fra queste due dimensioni che nasce qualcosa di nuovo. Per questo forse dovremmo correggere persino il titolo di questo articolo.
Più gli insegni, più diventa istruito. Sì. Ma non perché l’intelligenza artificiale diventi improvvisamente umana o perché tutto ciò che le diciamo entri automaticamente nel suo modello. Diventa più utile, più pertinente, più vicina alla complessità dei nostri problemi perché noi abbiamo progressivamente arricchito il contesto nel quale lavoriamo insieme. Ed ecco il paradosso finale.
Continuiamo a domandarci quanto diventerà intelligente l’intelligenza artificiale.
Forse dovremmo cominciare a domandarci quanta intelligenza umana saremo capaci di portare dentro il rapporto con essa. Perché l’intelligenza artificiale può essere straordinaria. Ma la qualità delle domande, l’esperienza accumulata, i documenti prodotti, gli errori riconosciuti, le conoscenze trasferite e soprattutto la capacità di dubitare restano nostri.
