Nel giro di pochi anni, il modo in cui persone e imprese guardano all’intelligenza artificiale è cambiato. Alla paura di essere sostituiti si è aggiunta la sensazione di dover agire in fretta per non restare indietro. Il risultato, però, non è sempre una maggiore consapevolezza: molte aziende acquistano strumenti che poi utilizzano poco o male, mentre lavoratori e professionisti sperimentano soluzioni di AI in modo sommerso, senza regole condivise, attenzione alla privacy o procedure definite.
È da questa distanza tra interesse e capacità di applicazione che prende avvio il confronto con Raffaele Gaito, divulgatore, formatore e autore del libro In cosa posso esserti utile? Guida molto pratica e poco emotiva all’intelligenza artificiale. Attraverso il dialogo quotidiano con professionisti e aziende, Gaito osserva le domande, le paure e le obiezioni che accompagnano l’adozione dell’AI.
Nel confronto quotidiano con professionisti e aziende, quali cambiamenti nel modo di percepire e utilizzare l’AI ha osservato nell’ultimo anno?
Il cambiamento più grande è che si è passati dalla paura alla FOMO. Fino a un paio di anni fa la domanda che mi facevano in ogni sala era “l’intelligenza artificiale mi ruberà il lavoro?”. Oggi quella domanda c’è ancora, ma accanto è arrivata l’ansia di restare indietro. Vedo aziende che comprano abbonamenti su abbonamenti, convinte che i concorrenti stiano già guadagnando un botto con l’IA, e poi non li usano o li usano male. La verità è che gli altri sono nella stessa identica situazione.
Il secondo cambiamento è l’uso sommerso. Ai manager lo dico spesso: le vostre persone stanno già usando ChatGPT sotto banco, solo che voi non lo sapete. Lo fanno senza regole, senza attenzione alla privacy e senza procedure. E se un dipendente deve pagarsi l’abbonamento personale per lavorare meglio, il problema non è il dipendente: qualcosa non funziona in quello che ha impostato l’azienda.
Il terzo è un ritardo che si misura in generazioni di strumenti. Si fanno ancora corsi su come scrivere i prompt dentro ChatGPT, mentre la tecnologia è già passata agli agenti.
Tra le numerose novità annunciate ogni settimana, quali segnali aiutano a distinguere una trasformazione destinata a durare da una semplice ondata di entusiasmo?
Il primo segnale è guardare la promessa costruita intorno a un prodotto, non solo il prodotto. Spesso nella demo non c’è nessuna bugia: le bugie stanno nel titolo, nei tweet, nelle promesse. Quando una cosa fa solo effetto wow e nessuno la verifica, è hype.
Il secondo è il bollino. Qualche anno fa si metteva la parola “blockchain” ovunque per sembrare moderni, oggi succede lo stesso con “intelligenza artificiale”: in molti prodotti di IA ce n’è pochissima.
Il terzo, il più utile per un’azienda, è la domanda da farsi: qual è l’impatto sul mio business? Non quanto è potente il modello, non cosa dicono i benchmark (lì se la cantano e se la suonano), ma quanto mi fa guadagnare o risparmiare portarlo dentro i miei processi.
Infine, attenzione a usare l’hype come alibi. Con le dot com la bolla si è sgonfiata, ma la tecnologia è rimasta, e chi aveva costruito qualcosa di solido ha fatto il salto. La vera innovazione è quella che mette radici, e le radici hanno bisogno di tempo, pazienza e costanza.
Il suo libro nasce dalle domande e dalle obiezioni che incontra più spesso. Quali rivelano un bisogno formativo profondo e quali, invece, una percezione distorta dell’AI?
Ho un privilegio: ricevo ogni giorno una valanga di input tra commenti su YouTube, messaggi privati, domande alle conferenze e temi che emergono in azienda. Da lì ho capito quali argomenti generano più difficoltà, sfiducia e preoccupazione, e ne ho fatto dei capitoli.
La percezione distorta più diffusa è quella che nel libro chiamo l’IA come oracolo: vai lì, fai la domanda e torni a casa con la verità. Ti resta l’illusione di conoscere una cosa perché te l’ha scritta in tre righe, formattata benino, con l’elenco puntato. È una percezione pericolosa perché questi strumenti eliminano anche la fase di ricerca, che su Google almeno ti costringeva a cliccare e confrontare. L’altra percezione distorta è pensare che basti comprare uno strumento per mandare a casa mezzo team.
Il bisogno formativo profondo, invece, si vede nella richiesta che mi fanno di continuo: “fammi vedere un esempio nel mio settore”. Dietro c’è una difficoltà reale ad astrarre un concetto e calarlo nel proprio lavoro. È una competenza, non un’informazione, e va allenata.
Quali sono le resistenze più difficili da affrontare nelle aziende: paura della sostituzione, scarsa fiducia, mancanza di tempo, timore di sbagliare o convinzione che l’AI sia soltanto una moda?
Già nel 2023 le raggruppavo in tre famiglie: il panico per qualcosa che non si conosce, la sensazione di sentirsi vecchi perché si vede l’opportunità ma mancano le competenze, e un atteggiamento quasi luddista. Hanno tutte la stessa radice: la mancata comprensione di quello che sta succedendo.
La più difficile però è un’altra, ed è una frase: “abbiamo sempre fatto così”. È una resistenza culturale, non tecnologica, e nessuno strumento la scioglie.
Poi c’è una resistenza sottovalutata, la vergogna. Tanti professionisti, soprattutto formatori, consulenti e coach, mi scrivono che non vogliono farsi scoprire dai clienti mentre usano l’IA. Io ribalto la questione: come faccio a far capire al cliente che saperla usare è un plus? Tra dieci anni ci sembrerà assurdo come oggi dire a un collega “ti ho beccato, l’hai fatto col computer”.
Infine c’è la paura della sostituzione, che spesso non viene da chi lavora ma da chi assume. Il peggior uso che un’azienda può fare dell’IA è vederla come l’occasione per mandare a casa un po’ di gente con un paio di abbonamenti da 20 euro al mese.
Lei sostiene che il messaggio “con l’AI non serve più studiare” sia pericoloso. Quali competenze pregresse diventano ancora più importanti quando si lavora con strumenti generativi?
La metafora che uso è questa: l’IA è il trampolino, ma il salto lo devi fare tu. Le nostre conoscenze e competenze devono restare al centro, e l’IA deve essere un amplificatore. Se al centro non c’è niente, non c’è niente da amplificare. Per questo dico che più la tecnologia diventa potente, più contano le fondamenta.
Le competenze che diventano ancora più importanti sono tre. La prima è la conoscenza del proprio mestiere, perché serve per validare: capire se una risposta è corretta, se c’è un’allucinazione, se una fonte è sbagliata, se quella soluzione va bene per il tuo caso specifico. Usare uno strumento senza capirlo è quello che ti mette nei guai.
La seconda è il pensiero critico. In un’epoca in cui tendiamo a delegare tutto, è ciò che ci impedisce di seguire il gregge.
La terza è la capacità di astrarre e contestualizzare: prendere un concetto visto altrove e applicarlo al proprio lavoro.
E ricordiamoci una cosa: si inizia a studiare davvero quando si esce dall’università, quando nessuno ti dice più cosa, come e quando studiare. Per questo parlo di formazione continua e differenziata, perché quella solo continua non basta più.
Se l’AI può produrre rapidamente una risposta plausibile, come dovrebbe cambiare il modo in cui studiamo e impariamo?
Dobbiamo passare dalla ricerca di risposte alla ricerca di domande. C’è un bias noto, il Google Effect: ricordiamo meno le cose che sappiamo di poter ritrovare. Con i chatbot il rischio si moltiplica, perché si arriva a una conoscenza rapida e superficiale che ci illude di sapere senza aver capito nulla.
In pratica ci sono due regole. La prima: usare l’IA come un tutor e non come un oracolo. Invece di chiedere la risposta, le chiedo di farmi domande, di interrogarmi, di costruire un percorso a botta e risposta. La seconda: non delegare mai la parte dello studio che serve a imparare. Molti mi dicono che la mappa mentale bisogna farsela da soli, e hanno ragione: è il processo di costruirla che fa memorizzare. Se la fa l’IA, sta studiando l’IA, non io. Io la uso come un indice con una struttura grafica.
Lo stesso vale per i riassunti. Hanno senso come filtro per decidere cosa approfondire, o per cercare dentro materiale che conosco già. Non per sostituire la lettura. L’obiettivo non è farsi i riassunti, ma poter dialogare con un libro, un video o un paper.
Nel suo libro affronta il rapporto tra AI e creatività. In quali condizioni l’AI amplia la capacità creativa e in quali rischia di standardizzare idee e risultati?
Parto da una premessa: questi strumenti sono essi stessi frutto della nostra creatività, e le paure che abbiamo oggi le avevamo già secoli fa. Detto questo, l’IA amplia la creatività a una condizione: non spegnere il cervello e non perdere lo spirito critico.
Nel libro distinguo la fase divergente da quella convergente. Nella fase divergente l’IA è fortissima: allarga il materiale, moltiplica i punti di vista. Nei brainstorming non le chiedo idee, le chiedo di mettersi nei panni del mio pubblico e di farmi le domande che si fanno loro, con i loro dubbi e le loro paure. Dalle domande poi le idee le tiro fuori io, perché sono io che conosco il contesto e unisco i puntini. Oppure le chiedo di farmi da avvocato del diavolo, visto che questi strumenti tendono a darci sempre ragione.
La standardizzazione arriva quando non ci si mette del proprio. Basta guardare LinkedIn: tanti post sono tutti uguali, perché dentro non c’è nessun semino piantato da chi scrive. Se il seme lo mette l’IA, il risultato sarà la media di tutto. Se lo pianti tu, l’IA lo innaffia e lo fa crescere.
La produttività viene spesso presentata come il principale beneficio dell’AI. Quando il tempo risparmiato rappresenta valore reale e quando produce soltanto più attività?
Uno degli errori che racconto nei talk è proprio confondere produttività e qualità. Il tempo risparmiato ha valore quando si delegano le cose ripetitive, noiose, a basso valore aggiunto, per dare più spazio alla parte umana: strategia, relazione con il cliente, lettura del contesto. Produce solo più attività quando si usa l’IA per fare di più le stesse cose, magari peggio.
La mia regola per capire cosa delegare è semplice: delega tutto quello che non è centrale. E un buon indizio sono le attività che non ti sentiresti nemmeno di far fare a un’altra persona perché sono disumanizzanti: quelle sono le prime da dare alla macchina. Le attività chiave restano in mano all’essere umano.
Su questo parlo per esperienza: ho lavorato incessantemente fino al burnout, e ne sono uscito facendo in modo che il lavoro non fosse l’unica parte rilevante della giornata. Misuriamo troppo spesso il lavoro a quantità, tra ore, clienti e follower, e ci dimentichiamo della qualità. L’obiettivo è lavorare bene, non lavorare tanto. Un’azienda che mette le persone in condizione di lavorare bene ottiene risultati migliori anche in termini di produttività.
Che differenza c’è tra scrivere un prompt efficace e saper formulare una buona domanda?
Il prompt è una tecnica, la domanda è un modo di pensare. Le tecniche di prompt nascono, funzionano e poi vengono assorbite dagli strumenti: il ragionamento passo passo è entrato nei modelli, il tono e la lunghezza sono diventati cursori e menu. Con gli agenti ormai non si ragiona più per prompt: si dichiara l’obiettivo e lo strumento trova la strada.
Quello che resta è saper formulare la domanda, e prima ancora sapere cosa si vuole ottenere. In azienda, quando mi chiedono di automatizzare qualcosa, la prima cosa che chiedo è: qual è l’obiettivo? Perché vuoi farlo? Come capiamo quando il lavoro è finito, e soprattutto quando è fatto bene? Spesso è proprio questo che manca, e nessun prompt lo può sostituire. Serve conoscere bene il proprio business.
C’è poi un aforisma che uso nel libro: chi conosce tutte le risposte non si è fatto tutte le domande. Una buona domanda non la fai solo alla macchina, la fai anche a te stesso. Quando inizi a usare bene questi strumenti ti accorgi che devi farti delle domande, oltre che farle.
Come si può allenare una persona a fare domande migliori, invece di fornirle una raccolta di prompt da replicare?
Cerco di insegnare a pescare, ma so bene che molti vogliono il pesce pronto. La raccolta di prompt è utile nel breve periodo, ma non sblocca mai la capacità. E aspettare l’esempio perfetto per il proprio caso frena l’apprendimento, perché nel frattempo non si sperimenta.
L’allenamento che propongo è una catena in tre passaggi: porsi domande, sperimentare, confrontarsi. Se mi pongo domande, sperimento. Se sperimento tanto, il confronto con gli altri diventa prezioso. E il confronto deve essere anche fuori dal proprio settore: un commercialista può trovare la soluzione giusta parlando con un notaio.
Poi ci sono esercizi concreti. Il primo: chiedere all’IA di farti le domande prima di rispondere (“fammi tutte le domande che ti servono, una alla volta”). Ti accorgi subito di cosa avevi dato per scontato. Il secondo: chiedere allo strumento “cosa puoi fare per me?”. Non avevamo mai potuto parlare con i nostri software. Il terzo: usare la macchina come palestra senza giudizio. In riunione tanti non alzano la mano per paura di fare una figuraccia, davanti a un chatbot quella paura non c’è. È una skill che poi ci si porta nelle relazioni con il capo, i clienti e i colleghi.
Nei workshop aziendali, quali differenze osserva tra le domande poste dai vertici e quelle poste dalle persone che dovranno utilizzare concretamente l’AI?
I vertici tendono a fare domande di strategia e di costi: che piano scriviamo, quale fornitore scegliamo, quanto possiamo risparmiare. A volte la domanda sottintesa è quante persone possiamo mandare a casa. Chi usa gli strumenti ogni giorno fa domande molto più concrete: quale strumento uso per questo compito, come lo faccio nel mio caso, e spesso, sottovoce, “mi sostituirà?”.
Il paradosso è che entrambe le parti rischiano di partire dallo strumento invece che dal problema. Chi decide compra il contratto con il grande fornitore, chi opera cerca il tool miracoloso. Se lo strumento imposto dall’alto non serve davvero al lavoro quotidiano, le persone non lo usano e vanno a cercarsene un altro per conto loro.
Il mio consiglio è far incontrare le due prospettive. Chi sta sotto convince chi sta sopra con un piccolo progetto pilota e i primi dati, non con una richiesta di budget. E chi sta sopra deve accettare che usare bene l’IA costringe l’azienda a guardarsi dentro: nei processi, nelle decisioni, in cose che nessuno ha mai messo nero su bianco.
Perché alcune aziende, dopo workshop molto partecipati, non riescono a trasformare l’interesse in sperimentazioni concrete?
Lo vedo succedere da quando è arrivato ChatGPT: grande entusiasmo, video guardati, articoli letti, e poi tutto resta lì, senza essere messo a terra. Le ragioni principali sono tre.
La prima è che si aspetta il momento giusto: strumenti maturi, mercato stabile, strategia pronta. Quel momento non arriverà mai. Il vero spartiacque oggi non è tra chi usa l’IA e chi no, ma tra chi sperimenta e chi aspetta. Il report sul 95% dei progetti che falliscono, a guardarlo bene, diceva un’altra cosa: sulle soluzioni su misura l’80% delle aziende non aveva nemmeno fatto un pilota. Quello è il dato che fa piangere.
La seconda è il piano di 60 pagine scritto in sei mesi. Quando è pronto, la tecnologia è già cambiata. Non dico che la strategia non serva, dico che l’approccio corporate alla strategia ruba tempo e risorse alla sperimentazione.
La terza è la mancanza di un perimetro. Il consiglio che do è prendere un caso reale, anche piccolo, dove si sa già che c’è un problema, e lavorarci dentro una sandbox, un recinto dove si può sbagliare senza farsi male. E va messo a budget il tempo che si perde all’inizio, perché le prime interazioni rallentano, non velocizzano.
Qual è la differenza tra un contenuto divulgativo efficace e un’esperienza formativa che modifica realmente un comportamento professionale?
La divulgazione informa, la formazione trasforma l’informazione in competenza. Sono due compiti diversi, e lo dico da persona che fa entrambe le cose. In rete ci sono tanti contenuti gratuiti di qualità sull’IA, i miei compresi. Il problema non è la mancanza di informazioni, ma la mancanza di struttura per applicarle.
Un contenuto divulgativo efficace ti fa capire cosa sta succedendo e perché è importante, e ti accende qualche lampadina. Un’esperienza formativa che cambia i comportamenti ti porta a sporcarti le mani sul tuo lavoro, con i tuoi dati e i tuoi processi, e ti costringe a farlo più volte nel tempo.
Poi c’è la differenza tra “cosa” e “come”. Un tutorial su dove cliccare lo fa ormai benissimo anche l’IA, e invecchia in poche settimane. È anche per questo che ho scritto un libro di approccio e non di schermate. Il valore sta nel come e nel perché: nel metodo, nella lettura del contesto, nella capacità di unire i puntini. È quella la parte che cambia davvero il modo di lavorare.
Quale attività pratica utilizzerebbe per verificare se un partecipante ha sviluppato un metodo e non soltanto imparato alcuni comandi?
Gli darei un esempio fuori dal suo settore e gli chiederei di applicarlo al proprio lavoro. È l’esercizio di astrazione e contestualizzazione: chi ha imparato solo dei comandi si blocca e chiede l’esempio del suo settore, chi ha un metodo porta su il concetto e lo cala nel suo caso. Io faccio così anche nei video: gli esempi sono volutamente lontani dal mio mestiere, perché voglio trasmettere il metodo, non la pappa pronta.
Una seconda prova: dargli un problema reale e vedere come apre la conversazione con lo strumento. Chi ha un metodo non scrive una riga pretendendo la soluzione (“non mi funziona il wifi, che devo fare?”). Descrive il contesto, chiede allo strumento di fargli le domande necessarie, esplora anche le soluzioni meno ovvie.
Se dovesse progettare un percorso AI “molto pratico e poco emotivo”, quali elementi inserirebbe prima, durante e dopo l’aula?
Prima: partirei dai problemi, non dagli strumenti. Quali sono i colli di bottiglia, i compiti ripetitivi, le situazioni in cui le persone si incartano? E prima ancora verificherei lo stato dei dati: molte aziende sognano in grande ma non sono pronte, perché i dati ci sono ma non sono stati raccolti, organizzati e puliti. Sono sedute su un tesoro e non lo sanno.
Durante: meno focus sul tool e più sull’approccio. Esercizi su casi reali dei partecipanti, con dati anonimizzati. Molto spazio alla verifica degli output e alla supervisione umana. E uno sguardo ai limiti, perché si capisce davvero una tecnologia solo quando se ne conoscono sia le potenzialità sia le limitazioni.
Dopo: qui si gioca tutto. Un piccolo progetto pilota dentro un perimetro protetto, con tempi e obiettivi chiari. Un momento di condivisione periodico, per esempio un report mensile in cui ognuno racconta cosa ha imparato, così diventa formazione per gli altri. Regole chiare sugli strumenti ammessi, per non alimentare l’uso sommerso. E soprattutto continuità: non si può fare il corsettino sul prompt engineering e pensare di essere a posto con l’IA. Serve una formazione continua e differenziata, che torni periodicamente su agenti, privacy, sicurezza.
Quale elemento non dovrebbe mai mancare in un corso sull’AI e quale, invece, eliminerebbe dall’offerta attuale?
Non dovrebbe mai mancare il pensiero critico applicato allo strumento: verificare le informazioni, riconoscere i bias (compreso quello per cui l’IA tende a darci sempre ragione), capire cosa non delegare. Senza questo, qualsiasi corso rischia di formare persone che usano l’IA come un oracolo.
Eliminerei i corsi pensati come l’evento una tantum che risolve tutto. Il tool cambia ogni settimana, e quello che insegni oggi su un’interfaccia tra un mese è vecchio. L’IA sta diventando sempre più una funzione integrata ovunque e sempre meno un posto dove andare, un po’ come il computer: oggi nessuna azienda ha “l’esperto di computer”, tutti lo usano. Con l’IA succederà lo stesso.
Nel suo libro, la domanda centrale è “In cosa posso esserti utile?”. Se fosse invece l’intelligenza artificiale a rivolgere questa domanda oggi a un professionista o a un’impresa, quale risposta dovrebbero essere in grado di darle per utilizzarla davvero bene?
La risposta ideale è la descrizione chiara di un problema reale, non di uno strumento. Qualcosa come: “Questo è il mio obiettivo, questo è il mio contesto, questo è il passaggio che oggi mi fa perdere tempo o valore, e così capirò se il lavoro è fatto bene”.
Sembra banale, ma per dare questa risposta un professionista o un’impresa devono aver fatto un lavoro su se stessi: conoscere i propri processi, i propri dati, i propri valori e la direzione in cui vogliono andare. È la tecnologia a doversi adattare alla nostra visione, non il contrario. Se una scelta non va in contrasto con i tuoi valori ed è fedele alla tua visione, sei nella direzione giusta.
C’è poi una seconda parte della risposta, che spesso dimentichiamo: “E tu, cosa mi chiederesti per capirmi meglio?”. Usare bene l’IA significa arrivare alla soluzione insieme, a colpi di domande, come faremmo con un collega bravo. Se lo facciamo, una tecnologia come questa ci può perfino rendere più umani.
