Costruire la mentalità per lavorare con l’AI – È una questione di approccio
Con tempi diversi, tutti abbiamo ormai capito che usare l’Intelligenza Artificiale non significa semplicemente usare ChatGPT al posto di Google o di un qualunque motore di ricerca.
Non vogliamo ripercorrere la storia dello sviluppo dell’AI, sovrapponendoci a una sterminata quantità di articoli, tutorial, libri e pubblicazioni accademiche; ci basta ricordare che le radici dell’AI risalgono agli anni Cinquanta, quando Alan Turing si chiese se le macchine potessero pensare. Da quella domanda, fino al terzo compleanno di ChatGPT nel novembre 2025, si sono susseguiti decenni di cambiamenti per approssimazioni successive, accelerati da una serie di “cortocircuiti” virtuosi tra ricerca, tecnologia e
mercato.
Il nostro obiettivo non è ricostruire tutte le conseguenze della domanda di Turing (e del suo famoso test), ma mostrare come questa trasformazione tecnologica imponga un cambiamento nel modo di pensare di chi guida gli altri. Per una sorta di eterogenesi dei fini, la domanda “le macchine possono pensare?” si è trasformata in un’altra, più urgente: “come devono pensare in modo diverso gli esseri umani per governare una trasformazione esponenziale?”. Questo libro si concentra su un punto: come può trasformarsi la nostra mente per restare al passo con la tecnologia.
Partiamo però da un problema tutt’altro che banale: ci troviamo in un “guado” in cui la tecnologia avanza molto più velocemente della nostra capacità di adattarci. I segnali di questo iato sono evidenti e abbiamo cercato di mettere insieme i primi cinque più patenti.
Partiamo dal primo e cioè dal linguaggio.
Primo problema: il linguaggio con cui pensiamo l’AI
Il nostro modo di parlare di AI è fuorviante: continuiamo a chiamarla “Intelligenza Artificiale” come se avessimo davanti una nuova mente, un soggetto cognitivo alternativo in grado di pensare come noi.
Eppure sappiamo che la tecnologia, per quanto sofisticata, non pensa e non penserà mai come un essere umano.
In Leaders Make the Future, B. Johansen ricorda che l’AI generativa non pensa come noi, non capisce come noi, non ragiona come noi: non è una mente, pur essendo un sistema generativo potentissimo, capace di produrre linguaggio, immagini, codice, idee. L’errore sta nel continuare a chiamarla “intelligenza” nel senso umano del termine. Questo alimenta un immaginario distorto che, almeno, porta a una conclusione sbagliata: l’idea della sostituzione totale dell’uomo. È vero che i nuovi usi dell’AI portano con sé timori legittimi e offrono argomenti ai luddisti e ai più strenui oppositori dello sviluppo tecnologico, che mettono in evidenza i casi di aziende che sostituiscono rapidamente l’essere umano in attività ripetitive.
Ma i dati, oggi, raccontano un’altra storia. Il Future of Jobs Report 2025 del World Economic Forum stima che, entro il 2030, la trasformazione del mercato del lavoro porterà alla creazione di 170 milioni di posti e alla perdita di 92 milioni, con un saldo netto positivo di 78 milioni di lavori.
La Banca Centrale Europea, in una ricerca del marzo 2026, sottolinea come l’AI stia incidendo sul mercato del lavoro dell’Eurozona in modo diverso dal previsto: nel breve periodo l’uso dell’AI da parte delle imprese appare neutrale o addirittura positivo per l’occupazione, soprattutto quando viene utilizzata in attività di ricerca e sviluppo. Il nostro libro parte da qui: l’Intelligenza Artificiale, soprattutto nella sua versione generativa, non nasce per rimpiazzare l’umano, ma per amplificarlo, aumentarlo, “augmentarlo”. Il perimetro delle prossime pagine è il percorso con cui si arriverà a ridefinire un Mindset AI, immaginando una forma di collaborazione radicalmente nuova tra esseri umani e sistemi generativi.
Parliamo di una partnership strategica in cui creatività, giudizio e responsabilità restano umani, mentre velocità, capacità generativa ed esplorazione delle possibilità vengono condivise con la macchina.
E qui torniamo al linguaggio che può essere tutto, fuorchè neutrale. Le parole che scegliamo per descrivere il futuro contribuiscono a costruirlo. Se continuiamo a parlare di AI come di una entità autonoma, rischiamo di delegarle ciò che invece richiede presenza, discernimento, pensiero critico.
Secondo problema: la mente umana non è progettata per l’esponenziale
Il fraintendimento non è solo linguistico. C’è un altro punto strutturale: la nostra mente non è progettata per pensare in termini esponenziali. L’essere umano pensa in modo lineare, mentre l’AI evolve in modo esponenziale. Mentre scriviamo questo libro, rischia già di invecchiare: i sistemi multiagente stanno prendendo il sopravvento rispetto ai singoli agenti, che a loro volta hanno già superato il semplice chatbot basato su LLM.
Se pensiamo alla nostra giornata, il ragionamento tipico è questo: oggi devo svolgere un compito, ad esempio scrivere il resoconto di una riunione di qualche ora fa, per cui ho preso appunti. Immagino che, quando l’AI migliorerà, saprà fare meglio questo compito. Proietto il futuro come estensione del presente.
A quel punto concludo che, se l’AI farà meglio di me, finirà per sostituirmi. Il ragionamento lineare porta quindi a una conclusione chiara: perderò il lavoro.
Questo train of consequences è perfettamente logico e tipico del pensiero umano, ma semplifica eccessivamente: riduce la complessità a una catena causale unica, immagina il futuro come una versione ingrandita del presente, ignora biforcazioni, scenari alternativi, effetti non lineari.
Accanto a questo modo lineare c’è però un modo laterale di pensare, che apre domande diverse. Potrebbe questa stessa catena causale dare origine a nuovi ruoli? Potrebbe questa contingenza richiedere nuove competenze? Potrebbe uno scenario che a molti appare persino distopico far nascere nuove forme di collaborazione? Potrebbe questo contesto generare nuove configurazioni lavorative e nuovi paradigmi di sociologia del lavoro? Allenare la mente alla complessità – non solo alla linearità – è una parte essenziale del nuovo mindset richiesto dall’AI.
Terzo problema: l’abbondanza informativa manda in tilt la nostra mente
L’essere umano fatica a sopravvivere in un contesto di abbondanza estrema di informazioni.
Troppe informazioni equivalgono, di fatto, a nessuna informazione: orientarsi in questo oceano di bit diventa un compito oneroso, inefficiente, insostenibile per il manager di oggi che non può permettersi lunghe pause di riflessione. Questa esperienza è ormai comune.
Ci troviamo spesso spiazzati dall’eccesso di opzioni nella scelta di corsi da frequentare, nella decisione di dove andare in viaggio, nella valutazione di candidati, nell’analisi dei dati, perfino nella scelta di quale chat generativa utilizzare. L’abbondanza informativa non è solo un eccesso di dati: è un problema cognitivo. Kahneman lo spiega bene distinguendo tra pensieri veloci e pensieri lenti. Il Sistema 1 è rapido e intuitivo: prova a semplificare la complessità ma, quando l’informazione è troppa, finisce per affidarsi a scorciatoie non sempre adeguate. Il Sistema 2 è più lento e analitico: dovrebbe intervenire per valutare con attenzione, ma è costoso, perché richiede energia, attenzione e tempo. Il risultato è che nessuno dei due sistemi funziona davvero bene. L’abbondanza informativa satura il pensiero lento e inganna il pensiero veloce. E così, invece di decidere meglio, decidiamo peggio.
Non perché siamo incompetenti, ma perché siamo biologicamente progettati per un mondo con meno stimoli, meno alternative, meno complessità.
Quarto problema: il bisogno di una storia coerente (quando la realtà non lo è)
Un’altra caratteristica umana fondamentale è il bisogno di coerenza narrativa.
Come già accennato a proposito del pensiero lineare, abbiamo bisogno di ordine, di storie che “tengono”. Quando affrontiamo un fenomeno complesso, il nostro cervello seleziona pochi elementi, li collega in una sequenza logica, costruisce una storia coerente ed elimina, a torto o a ragione, ciò che appare incongruo o “non torna”.
Questo meccanismo ci permette di prendere decisioni, giuste o sbagliate che siano, ma di prenderle. In un modo o nell’altro, la storia prima o poi “si chiude”, anche se non abbiamo davvero tutti gli elementi.
L’AI, invece, porta con sé complessità.
I sistemi generativi producono molteplici possibilità, alternative parallele, scenari divergenti, combinazioni controintuitive, effetti che non riescono a stare dentro una sola narrazione, ma richiedono narrazioni molteplici. Potremmo dire che l’AI è costantemente possibilista.
Anzi, in modo più rigoroso possiamo dire che l’AI è costantemente probabilista.
Quinto problema: capacità cognitiva limitata, contro una macchina che non si
stanca
Infine, c’è il tema della capacità limitata della mente umana.
George Miller, negli anni Cinquanta, ha introdotto il concetto di memoria a breve termine limitata nel suo articolo The Magical Number Seven, Plus or Minus Two, mostrando come la nostra capacità di ricordare elementi immediati sia molto ridotta.
L’AI, invece, può analizzare milioni, se non miliardi di dati contemporaneamente.
In linea di principio, il cervello umano è “programmato” per lavorare su un compito alla volta, anche se ci ostiniamo a lanciarci in task paralleli. La Generative AI non si stanca, non perde il focus, può sostenere volumi di elaborazione enormi in tempi ridottissimi. Per questo, la collaborazione tra umano e AI generativa richiede un nuovo modo di ri-pensare questo tema per evitare di competere con la capacità di elaborazione della macchina, ma usare saggezza e intelletto per provare a orchestrarla.