Quando l'AI ci somiglia troppo
L'AI ci dà fastidio perché ci somiglia troppo. La maggior parte della nostra creatività è ricombinazione, e su quella la macchina è già al nostro livello. Il valore si sposta altrove.
A San Francisco, dove hanno sede quasi tutti i laboratori AI americani, c'è un gruppo crescente di persone convinte che un'intelligenza artificiale più intelligente di noi non solo sia possibile, ma vicina. Su Twitter li chiamano "AGI pilled".
Riccardo Bassetto, che ci è appena stato, li descrive così: vivere lì oggi assomiglia alla Riforma protestante, con i suoi manifesti, le correnti in lotta e i leader carismatici che proclamano ciascuno la propria via (Fonte: newsletter Technicismi di Riccardo Bassetto, "A San Francisco ho scoperto la religione dell'AI", 14 giugno 2026).
Mi interessa una domanda che l'articolo solleva quasi di sfuggita, e che riguarda il lavoro di tutti i giorni: perché un testo scritto da una macchina ci dà fastidio?
La risposta sta nel funzionamento, non nella fantascienza
Un modello linguistico fa una cosa sola, davanti a una sequenza di parole, sceglie quella con la probabilità più alta di venire dopo. Bassetto lo riassume bene: gli LLM non sanno niente, calcolano.
Se la macchina produce risposte sensate solo prevedendo la parola successiva, quanto di quello che facciamo noi è diverso?
La domanda non è nuova. Già a metà Ottocento un neuroscienziato tedesco parlava di unconscious inference: il cervello integra gli indizi visivi per dare senso a quello che ha davanti, in modo involontario. Da lì è nata una teoria chiamata predictive coding, secondo cui la mente genera di continuo un modello dell'ambiente e lo confronta con i segnali reali che riceve. Quindi anche noi, forse, prevediamo il token successivo.
Dove l'AI è fortissima e dove arranca
Margaret Boden, nel 1990, distingueva tre tipi di creatività.
La combinatoria, che unisce idee già note in modi nuovi.
L'esplorativa, che trova configurazioni inedite dentro un set di regole fisso.
La trasformativa, quella che le regole le rompe e apre spazi nuovi.
I modelli sono bravissimi nelle prime due. Sulla terza faticano. Il caso più citato è la mossa 37 di AlphaGo contro Lee Sedol, nel 2016: una mossa che in telecronaca sembrava un errore e che invece ha ribaltato la partita. Sembrava creatività pura. Era calcolo probabilistico che trovava una configurazione nuova dentro regole precise. Esplorativa, non trasformativa.
Gran parte di ciò che chiamiamo creatività nostra è, in fondo, combinatoria. Ecco perché l'output di una macchina ci infastidisce. Ci somiglia troppo.
Cosa me ne faccio, da consulente che lavora con le PMI
Se il tuo lavoro consiste nel ricombinare cose già esistenti, l'AI ti raggiunge in fretta. Una descrizione prodotto standard, un'email di follow-up, un report che segue sempre lo stesso schema: lì il modello è già al tuo livello, spesso più veloce.
Il valore si sposta sulla terza creatività. La capacità di rompere lo schema, di portare un punto di vista che nessun dato ti suggerisce, di decidere cosa vale la pena dire. È la parte che il modello non sa ancora fare, e che molti professionisti hanno smesso di allenare perché il combinatorio pagava abbastanza.
È una minaccia astratta? No, è un invito a cambiare il punto in cui metti la tua fatica. Smetti di competere sul ricombinare. Inizia a competere sul giudizio.
Da fare questa settimana
Prendi un contenuto che produci spesso. Chiediti se è combinatorio o trasformativo. Se è combinatorio, dallo alla macchina e usa il tempo che recuperi per la parte che la macchina non sa fare. Questo è il punto operativo, oltre la discussione su San Francisco e l'AGI.