Un second brain con un LLM sembra funzionare ma con limiti che conviene conoscere prima di cominciare. Li documentano le critiche di chi lo ha provato e uno studio recente sulla modifica dei documenti attraverso AI.
Da dove arriva il metodo LLM wiki.
Stiamo parlando di come creare un archivio di informazioni personali, facilmente consultabile per pensare meglio. È la base con la quale costruirsi un second-brain. Finora chi provava ad affrontare il tema del second brain si ritrovava con carta e penna o alla ricerca di un template per Notion. Ne parlo qui in cos’è un second brain spiegato semplice.
Perché per anni non ha funzionato? Il metodo esisteva ma richiedeva un lavoro costante: ordinare, collegare, aggiornare, buttare. Secondo Tiago Forte (che ha scritto diversi libri e progettato metodi per realizzare second-brain in epoca pre-AI) buona parte di quello che chiamiamo organizzare è procrastinazione travestita. Purtroppo credo abbia ha ragione e recentemente ho scoperto che vale anche per la progettazione: progettare qualcosa stimola gli stessi recettori di dopamina che ci fanno pensare di averla fatta quella cosa. In ogni caso dopo la prima fase di entusiasmo organizzativo si smette: mantenere l’archivio costa più di quanto rende.
Qui entra in gioco Andrej Karpathy, uno dei nomi più noti dell’intelligenza artificiale (co-fondatore di OpenAI, ha guidato l’AI di Autopilot in Tesla, ha coniato il termine “vibe-coding”, ora in Anthropic). Il 2 aprile ha scritto un tweet naïf, quasi un appunto pubblico, per dire che anche lui usa gli LLM così. Due giorni dopo ha pubblicato in un gist un manifesto. Oggi si chiama LLM wiki e descrive le basi per gestire un archivio wiki attraverso un LLM.
Il progetto diventa subito stracitato e molti tra i commenti iniziano a suggerire miglioramenti, modifiche e casi pratici. Io l’ho declinato sul mio lavoro e sulla mia vita. Se vuoi capire meglio cosa cambia rispetto a una normale chat, ne parlo in Perché una chat AI non basta. Il punto di partenza, il collega che ricorda, è in Second-brain e LLM-wiki: cosa cambia.
Cinque limiti da conoscere prima di cominciare.
È strano promuovere l’utilizzo di un second brain anticipandone i limiti. Ma in questo articolo voglio proprio mettere le mani avanti, scrivo le avvertenze, il “foglietto illustrativo” prima di provare la soluzione.
Dopo 5 mesi a testa bassa su questo argomento, documentato gran parte della mia vita, esplorato da temi intimi a problemi di tutti i giorni e soprattutto consumato letteralmente milioni di token posso dire che i limiti per me contano quanto i vantaggi.
1 Non ragiona al posto tuo.
Simula molto bene il ragionamento e stimola il tuo, usa il tuo contesto ma cosa conta e cosa no resta una tua scelta. L’insidia dell’epistemia rimane lì, non la toglie nessuno. Ed è silente e subdola: occorre sviluppare dei propri guardrail per limitare i danni. Se provi a spiegare un’idea con parole tue e non ci riesci, hai scoperto che non l’avevi capita. Questo l’AI non può farlo per te. Se chiedi di prendere una decisione, se ti va male lei ti risponde. Quello che serve imparare a fare è creare contesti decisionali e meccanismi di validazione.
Qui spiego perché una chat Ai non basta a ragionare e sebbene un Second Brain AI superi alcuni problemi e ne limiti altri, non è una soluzione per delegare decisioni o ragionamenti.
È uno strumento che, se configurato bene, ti consente di pensare meglio.
2 Un errore si propaga.
Se è l’AI a riscrivere le pagine del tuo archivio, un errore fatto una volta può finire in tutte le pagine collegate e restarci a lungo. Uno studio di aprile 2026, LLMs Corrupt Your Documents When You Delegate, ha messo alla prova diciannove modelli sulla modifica di documenti in 52 ambiti professionali. Alla fine dei flussi di lavoro lunghi i modelli più avanzati avevano rovinato in media circa un quarto del contenuto, con errori rari ma gravi. A prescindere dalla versione di modello specifico ma il meccanismo è lo stesso.
Il rimedio è semplice: le fonti originali non si toccano. Nel mio archivio stanno in una cartella che per regola l’AI non modifica (ma che tenta talvolta di fare). Ogni pagina indica da quale fonte arriva, così posso sempre controllare.
3 Privacy: legge quello che gli dai.
I file restano sul tuo computer, ma quando il modello li legge il contenuto arriva al fornitore (Claude, OpenAI, XAi o Google per fare esempi). Prima di metterci dati veri conviene aprire le impostazioni di privacy e decidere cosa può essere usato. Oppure devi configurarti un modello locale e accontentarti delle risposte che ti puoi permettere secondo le tue risorse di calcolo.
A volte lavorare con un modello “più stupido” è un vantaggio: pretendi di meno, punti ad un perimetro più ristretto e questo aumenta il tuo controllo.
La maniacalità sulla privacy dipende dal contenuto che vuoi gestire e dal tuo profilo professionale/personale. Se tratti dati medici di pazienti o sei una persona politicamente esposta fa tutta la differenza del mondo. Ma prima di farti troppi pensieri e finire come quelli che indossano un cappellino di stagnola per non farsi rubare i pensieri: se hai whatsapp installato sul telefono non accetto consigli radicali sulla privacy da parte tua.
4 Cresce fino a un certo punto.
Con un indice di testo semplice il metodo regge bene fino a un centinaio di fonti circa, secondo Karpathy stesso che lo ha analizzato ad Aprile. Oltre serve una ricerca più sofisticata, con più complessità da gestire (un piccolo database vettoriale da installare). Per un uso personale o di lavoro è una soglia comoda, ma c’è. Io mi sono spinto addirittura a circa 300 pagine nel mio wiki personale e ho tanto materiale che ogni tanto chiede un po’ di pulizia, soprattutto per le regole. Meglio fare archivi separati (che rimangono interrogabili tra loro) e su questo argomento sto ancora sperimentando.
5 Non è per tutto.
Non è fatto per milioni di documenti. Non ha senso registrarci tutte le email o tutti gli scontrini. Non serve quando ti occorre la frase esatta, come in un contratto o in una citazione. Non funziona quando le fonti cambiano così in fretta che la sintesi è già vecchia. Rende bene quando accumuli conoscenza su un tema specifico nel tempo, se inizi a spostarti da questo, inizierai a vederne i limiti (se sei fortunato, altrimenti continui senza vederli).
Insomma, esistono altri strumenti più efficaci (Database?) per registrare informazioni specifiche e renderle consultabili velocemente.
Con tutti questi limiti, ne vale la pena?
Assolutamente si. Senza dubbio alcuno.
Il punto è solo capire bene che cos’è e cosa non è, cosa può fare e cosa no. E poi ci si scrive delle regole che normano il suo utilizzo.
Proprio per questo motivo nasce questa serie di articoli. Se vuoi l’idea completa leggi Cos’è un second brain, spiegato semplice. Se vuoi provare da solo c’è la mia guida pratica: Second brain con Obsidian e LLM wiki: guida pratica.
Oppure, se hai una sfida di business che vuoi provare a risolvere con questo metodo, si parte da un second brain che posso aiutarti a configurare su misura. Parliamone qui.
