Perché una chat AI non basta, anche a pagamento

Finalmente l’AI, maledizione l’AI.

Ma ora c’è l’AI, questa benedetta Intelligenza Artificiale.

Scrivo tutto in ChatGPT, Claude o Gemini e lui mi offre la risposta che mi serve in quel momento. Mi aiuta a scegliere un nuovo prodotto oppure se gli spiego un pochino le mie esperienze lavorative mi riscrive il miglior curriculum di sempre.

Quindi uno potrebbe pensare: “Interrogo l’AI e mi arriva una risposta praticamente immediata su cosa devo fare.”

Tuttavia le chat AI che abbiamo imparato ad utilizzare nascondono un segreto inconfessabile: sono state promosse come una forma di intelligenza e non potremmo mai ammettere ora, dopo tutti gli investimenti fatti, che in realtà funzionano su un principio che non ha a che vedere con l’intelligenza ma con la statistica e la plausibilità.

Introduciamo il concetto di Epistemia.

Lo esprime bene il prof. Quattrociocchi con il termine epistemia.

epistemia s. f. La confortevole illusione di conoscenza prodotta dall’interazione con l’IA generativa dei grandi modelli linguistici (LLM), là dove la plausibilità simulativa del discorso fluente e la coerenza narrativa sostituiscono l’efficienza cognitiva e l’affidabilità dei dati.

A parità di ignoranza, l’output generato da un LLM risulta più fluido, articolato, persuasivo di quello prodotto da un essere umano privo di competenze. Ma è un’efficienza simulativa, non cognitiva. E proprio per questo, più l’utente è inconsapevole dei limiti strutturali del modello, più è esposto al fascino della forma e all’equivoco dell’affidabilità. Il risultato è una nuova dinamica sistemica, che potremmo chiamare epistemia: non più solo disinformazione (distorsione del contenuto) o infodemia (sovraccarico informativo), ma una condizione in cui la produzione del sapere è colonizzata dalla sua apparenza. Un’epidemia di testi verosimili che simulano razionalità, argomentazione, autorevolezza — senza alcuna garanzia di fondamento.

Almeno per ora quindi, i modelli linguistici sono molto efficaci nell’usare il linguaggio e noi, per una distorsione di come funziona il nostro cervello, scambiamo queste risposte plausibili così ben scritte come verità. Certo, con gli strumenti giusti e un costosissimo addestramento possono anche risolvere problemi matematici complessi e scoprire nuove soluzioni. O meglio, sarebbe più corretto dire che siamo noi che riusciamo ad interpretare quel risultato e renderlo funzionale per i nostri scopi.

Una soluzione potrebbe essere unire Second Brain e AI.

Quindi la sfida è questa: esiste un modo per far sì che l’AI faccia meglio il suo mestiere (scrivere bene) ma dove io rimango in capo a quello che viene detto, scritto e soprattutto riletto per darmi delle risposte meno statistiche e sempre più plausibili?

Ecco che entra in gioco un second brain ai.
Un second brain è uno strumento dove le tue informazioni tornano a farti da interlocutore. Ti ripresenta scenari da angolazioni diverse quando devi pensare, capire o decidere: non decide al posto tuo, ti presenta quello che da solo non avresti messo insieme.

Il nome che gli do è arricchimento cognitivo (in inglese cognitive enrichment). In parole semplici vuol dire pensare meglio con le tue informazioni.
Se ti senti perso e vuoi una spiegazione leggi: Cos’è un second brain, spiegato semplice.

Ma è davvero necessario? Le persone hanno davvero bisogno di un secondo cervello?

Si sprecano le battute. Io non riesco a far funzionare come vorrei nemmeno il mio cervello principale. Figuriamoci gestirne due.
Però un second brain si capisce meglio dalle situazioni in cui manca. Ne ho scritte sei, ognuna con un titolo: se in una ti ritrovi, sai già da dove cominciare.

La mattina di Nina.

Nel suo libro Tiago Forte racconta la mattina di Nina. Nina si sveglia il lunedì e prima ancora di aprire gli occhi i pensieri le inondano la testa. Mentre si prepara girano come uccelli agitati, perché non hanno dove posarsi, con un ronzio costante di ansia.
In ufficio la inbox la travolge e la mattina è persa a rispondere agli altri. Al pomeriggio è troppo stanca per seguire le sue reali priorità e si limita a smaltire compiti di seconda importanza.

La sera, finalmente libera, si siede al computer e comincia a chiedersi dove aveva lasciato il lavoro, dove ha messo il file e dove sono i suoi appunti. Quando ha ritrovato tutto è già esausta e rimanda a “un giorno sistemo tutto“.

Tommaso sta ristrutturando casa.

Tommaso sta ristrutturando casa e usa una chat AI da mesi per scegliere prodotti e confrontare preventivi. Dopo l’ultimo preventivo apre una conversazione nuova e chiede di confrontare tutto per riconciliare il budget. La chat conosce solo quello che le viene incollato in quel momento: non sa del preventivo di luglio, né che il bagno piccolo era già stato escluso. Tommaso ricomincia a spiegare la storia. Due preventivi che dicono cose diverse sullo stesso lavoro passano inosservati. “Cos’altro sarà andato fuori posto?” pensa. E da lì inizia a sperare.
Perché succede: ogni conversazione parte da zero. Il contesto è solo quello che il modello può rileggere in quella conversazione ma con dei limiti e sui quali non hai controllo.

Una lezione sulla sicurezza di tre ore secondo Paolo.

Paolo incolla nella sua chat AI la trascrizione di un corso di aggiornamento sulla sicurezza di tre ore e chiede dove il docente avesse esplicitato le eccezioni di una particolare regola. La risposta è fluida e sicura, ma è un riassunto: il “dipende” si è perso per strada e la frase che cita non è quella pronunciata. Pensa “Ah che strumento potente…” Ma non si è reso conto dell’effetto Dunning-Kruger: sta imparando, non è nella posizione per decidere cosa sia importante e cosa no. Ci sono semplificazioni che uccidono.
Perché succede: i documenti lunghi vengono compressi prima di essere letti. Le sfumature sono la prima cosa a cadere. Paolo non vede cosa è stato davvero considerato dall’AI.

Un progetto importante fa i conti con Elena.

Elena sta lavorando ad un progetto di urbanistica da una settimana, in tre conversazioni diverse con la stessa AI. Il venerdì vuole convergere e chiede di ricostruire il percorso complessivo. La chat del venerdì non sa nulla delle altre, quindi Elena le incolla i riassunti scritti a mano il lunedì e il mercoledì. Il motivo per cui aveva scartato una strada il lunedì non c’è più. La strada scartata non torna nemmeno in discussione. Chiede all’AI in merito e la risposta è “Che cosa intendi esattamente con la Variante C di progetto, non me ne hai mai parlato. Posso aiutarti?”
Perché succede: il contesto passa di mano in mano e a ogni passaggio si perde un pezzo, senza che nessuno decida cosa.

Luca e “Mi avevi scritto su WhatsApp che…”

Luca e una sua cliente non ricordano la stessa trattativa. Luca incolla nella chat i messaggi di WhatsApp e chiede chi abbia ragione. L’AI ricostruisce una versione ordinata e convincente, che gli dà ragione. Ma l’ha scritta partendo da come Luca le ha raccontato i fatti e non dal dialogo durante l’incontro conoscitivo di persona con la cliente, tantomeno dalle successive telefonate. La sua cliente si rende conto che le aspettative sembrano disattese, chiede un altro preventivo e l’affare salta.
Perché succede: l’AI vede solo ciò che le dai e tende ad assecondare chi sta parlando. Senza i documenti originali da citare, ricostruisce dal racconto plausibile della tua prospettiva.

Le vacanze in montagna con tre figli di Chiara.

Chiara parte per una settimana in montagna con tre figli di età molto diverse. È da sola e chiede alla chat delle idee di attività per passare il tempo all’aria aperta con i bambini. Prima di tutto deve spiegare chi sono, quanti anni hanno e cosa gli piace, come l’ultima volta. Il piano arriva uguale per tutti e con idee banali, inutili sia per il carattere sia per il luogo dove sono. Quando chiede da dove vengano le idee, la risposta è da un solo articolo online.
Perché succede: non c’è un contesto stabile su di lei e nessuna libreria a cui l’AI possa attingere e che tu possa citare.

La prima differenza: una chat AI dimentica, un second brain no.

Voglio essere più chiaro su questo punto: allo stato attuale delle cose, nessuno degli ambienti di AI di frontiera offre un modo pulito ed efficace per risolvere questo problema. Sembra risolverlo ma come abbiamo visto negli esempi precedenti, ti lascia a piedi nel momento del bisogno.

Ricordi la nota del venerdì sera, “Prezzo? Vedi Marco. Tempi stretti.“? La racconto per intero in Cos’è un second brain, spiegato semplice: quando l’hai scritta ti sembrava chiarissima, due mesi dopo non dice più niente. Nessuno, quel giorno, ti aveva chiesto cosa volesse dire.

In una normale chat AI questo non succede. Ci butti dentro tutto, per un po’ funziona, poi la conversazione si allunga, l’AI perde il filo e alla volta dopo riparti da zero. Oppure, peggio, prosegui pensando che sia tutto sotto controllo. Con un second brain il contesto sta nei tuoi file sul tuo computer e non nella conversazione, quindi ce lo ritrova ogni volta. E soprattutto tu puoi fare pulizia.

Non ragiona al posto tuo, ma come ormai tutti hanno avuto modo di notare simula il ragionamento ma contemporaneamente stimola il tuo.

Quindi, in concreto?

Se vuoi capire come si ragiona con un LLM prima di fidarti, prova Un primo esercizio tra second brain e AI: il romanzo autobiografico. Se vuoi sapere dove si rompe anche un second brain, leggi Cinque limiti di un LLM wiki. Il punto di partenza, il collega che ricorda, è in Second-brain e LLM-wiki: cosa cambia. L’idea completa è in Cos’è un second brain, spiegato semplice.

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.