Nel primo articolo di questa rubrica abbiamo visto come l’intelligenza artificiale sia entrata nelle nostre vite a una velocità senza precedenti: l’abbiamo adottata prima ancora di capire che cosa fosse. Il primo passo per colmare questo scarto è chiarire di che cosa stiamo parlando.
«Intelligenza artificiale» è un’espressione che usiamo per indicare tecnologie molto diverse tra loro: il sistema che ci suggerisce un film, quello che riconosce un volto in una fotografia, il software bancario che segnala una transazione sospetta. Negli ultimi anni l’attenzione si è concentrata soprattutto sull’intelligenza artificiale generativa, chiamata così perché non si limita a classificare o riconoscere informazioni: ne produce di nuove. Testi, immagini, suoni, video, codice.
Alla base dei chatbot più conosciuti ci sono i grandi modelli linguistici, spesso indicati con la sigla inglese LLM, Large Language Models. Durante l’addestramento questi sistemi analizzano enormi quantità di testi e regolano miliardi di parametri numerici, imparando le relazioni statistiche che ricorrono nel linguaggio. Quando ricevono una richiesta non consultano un’enciclopedia interna con la risposta già pronta: prevedono quale elemento possa seguire quelli precedenti, costruendo la risposta una piccola unità alla volta. Queste unità si chiamano token e possono corrispondere a una parola, a un pezzo di parola o a un segno di punteggiatura.
Detta così, sembra un completamento automatico particolarmente ambizioso. Ma le dimensioni dei modelli e la quantità di esempi analizzati producono comportamenti molto più ricchi: un modello può riassumere un documento, cambiare lo stile di un testo, spiegare un concetto, scrivere codice, sostenere una conversazione credibile. Attenzione però: un modello linguistico è costruito per generare una continuazione plausibile, non per garantire la verità di ogni frase. Può darci una spiegazione impeccabile e, tre righe dopo, inventare una fonte o sbagliare una data, senza mai perdere quel tono sicuro e convincente. La fluidità di una risposta non va scambiata per una prova della sua affidabilità: l’IA può essere molto utile senza essere infallibile, e riconoscerne i limiti non significa sminuirla. Significa imparare a usarla da adulti.
L’intelligenza artificiale ci ruberà il lavoro?
È la frase che mi sento ripetere più spesso, in ogni corso e in ogni azienda in cui metto piede. Ed è anche una delle meno precise. Un lavoro non è un blocco unico che si possa consegnare per intero a una macchina: è un intreccio di attività ripetitive, creative, relazionali, decisionali, legate a responsabilità che non si trasferiscono con leggerezza. L’IA le tocca in modo molto diseguale: può sostituirne alcune, accelerarne altre, permettere a persone meno esperte di ottenere un primo risultato decoroso e creare compiti nuovi, soprattutto di verifica e controllo.
Il cambiamento potrebbe non avere l’aspetto spettacolare del robot che si siede alla nostra scrivania, ma presentarsi in forme più silenziose: gruppi più piccoli, meno posizioni per i giovani in ingresso, professioni che conservano lo stesso nome pur essendo ormai fatte di attività molto diverse. Qualche volta, però, l’aspetto spettacolare ce l’ha eccome: ho visto aziende convincersi che l’IA potesse sostituire grafici, copywriter e programmatori, e purtroppo licenziare di conseguenza. È una scommessa miope: questi sistemi non creano nulla da zero, rielaborano ciò su cui sono stati addestrati e tendono a restituire la risposta più probabile, cioè l’esatto contrario di un’idea davvero creativa. Affidare tutto alla macchina significherebbe, alla lunga, standardizzare tutto.
La questione decisiva, allora, non sarà soltanto chi saprà usare un chatbot. Sarà chi riuscirà a comprendere e dirigere il nuovo processo, controllarne la qualità e assumersi la responsabilità del risultato. La strada più sensata resta una: abbracciare e provare le nuove tecnologie, senza smarrire il senso del proprio lavoro.
Tra opportunità concrete e problemi reali
Usata con criterio, l’intelligenza artificiale può far risparmiare tempo, rendere accessibili conoscenze specialistiche, facilitare l’apprendimento e offrire strumenti nuovi alle persone con disabilità. Una piccola impresa può analizzare informazioni che prima non riusciva nemmeno a leggere; uno studente può farsi spiegare un concetto al proprio livello, tutte le volte che serve; chi il proprio mestiere lo conosce già può affrontare progetti molto più complessi di prima.
Ma poter fare qualcosa non coincide con saperla fare bene. Una persona inesperta può ottenere in pochi secondi un risultato dall’aspetto professionale, ed è proprio per questo che non ne riconosce gli errori. L’IA abbassa la soglia necessaria per produrre un contenuto; non elimina la competenza necessaria per valutarlo.
Accanto alle opportunità ci sono problemi di cui occuparsi senza allarmismi, ma anche senza ingenuità: i pregiudizi riflessi nei dati, le informazioni riservate che finiscono in servizi non adatti a custodirle, i contenuti sintetici sempre più difficili da distinguere dall’autentico, le questioni aperte su diritto d’autore, sicurezza, consumo di risorse e concentrazione del potere tecnologico. E c’è un rischio più personale e silenzioso: abituarci a delegare alla macchina non solo le attività faticose, ma anche quelle che ci fanno imparare, ragionare e scegliere. In certi casi, l’uso più intelligente dell’intelligenza artificiale sarà decidere di non usarla.
Nei prossimi articoli parleremo di come si scrive un buon prompt: non un incantesimo, ma qualcosa di molto più simile a un buon briefing. E parleremo degli agenti: sistemi capaci non solo di rispondere, ma di compiere azioni per raggiungere un obiettivo. Con le loro possibilità e con i loro rischi.