Il più grande equivoco sull'IA: «Basta assegnarle un compito»

Lo sentiamo dire ovunque. L'IA sostituirà i programmatori. L'IA sostituirà i designer. L'IA sostituirà gli analisti. L'IA sostituirà i manager. L'IA cambierà il mondo.

C'è sicuramente del vero in queste affermazioni. L'IA sta già cambiando il modo in cui le persone lavorano e le sue capacità migliorano a un ritmo straordinario.

Ma c'è un equivoco di fondo che spesso si perde nell'entusiasmo generale: si dà per scontato che basti assegnare un compito all'IA perché produca autonomamente il risultato desiderato.

In alcuni casi è vero. In molti casi importanti no. E capire la differenza sta diventando sempre più importante.

Immaginate questo scenario. Qualcuno scopre che i moderni modelli di IA sanno scrivere software, creare design, analizzare documenti, generare presentazioni, scrivere testi di marketing e svolgere decine di altri compiti.

La reazione ovvia è: «Fantastico. Non devo più farlo io. Basta affidare il compito all'IA.»

E se il primo tentativo non è abbastanza buono? Nessun problema. Ci si abbona a un modello più potente. Magari si spendono 200 dollari al mese invece di 20. Oppure si usano più modelli di IA contemporaneamente: si assegna lo stesso compito a cinque modelli diversi e si sceglie il risultato migliore.

Sembra una strategia ragionevole. Finché non la si mette davvero alla prova. Perché spesso succede qualcosa di inaspettato: si ottiene un risultato, ma non quello che si voleva.

E questa distinzione è cruciale. Non è detto che l'IA abbia fallito. Il problema potrebbe essere che il compito non è mai stato definito correttamente fin dall'inizio.

Prendiamo un esempio semplice dal nostro mondo: lo sviluppo software su misura. Immaginate che un partner si presenti con un nuovo progetto e dica: «Dobbiamo sviluppare un'app di e-commerce.»

Tutto qui. Nessun requisito dettagliato. Nessun percorso utente. Nessuna spiegazione del modello di business. Nessuna informazione sul pubblico di riferimento. Nessuna descrizione dei sistemi esistenti. Nessun requisito sui pagamenti. Nessun modello logistico. Nessun requisito per l'amministrazione. Nessuna spiegazione di cosa renda questa applicazione di e-commerce diversa da migliaia di altre.

Ora prendete esattamente quella frase e datela a un modello di IA. Cosa succede? Probabilmente l'IA produrrà qualcosa di impressionante. Potrebbe generare una struttura di progetto, uno schema di database, concept di interfaccia, API, codice e persino un prototipo funzionante. E il risultato potrebbe sembrare sorprendentemente buono.

Ma è molto probabile che non sia l'applicazione di cui l'azienda ha realmente bisogno. Perché? Perché «app di e-commerce» non è una specifica. È a malapena un requisito. È un punto di partenza.

Ora immaginate uno scenario completamente diverso. Prima di rivolgersi all'IA, un product owner, un architetto o uno sviluppatore esperto ha già ragionato a fondo sul progetto.

Sa chi sono gli utenti e cosa devono fare. Sa come sono organizzati i prodotti, come devono funzionare gli ordini, quali metodi di pagamento servono e come avviene la consegna. Sa cosa succede quando un ordine viene annullato e come vengono gestiti i resi. Sa cosa devono vedere gli amministratori, quali sistemi esterni vanno integrati e quali sono le regole di business. Sa cosa deve e non deve contenere la prima versione e quale esperienza utente ci si aspetta.

A questo punto la conversazione con l'IA cambia completamente. Invece di «costruiscimi un'applicazione di e-commerce», l'istruzione diventa qualcosa di simile a: «Crea prima la struttura del catalogo prodotti con queste entità e relazioni. Poi implementa il flusso di registrazione dei clienti. Dopodiché implementa il carrello secondo queste regole. Quando funziona, aggiungi il checkout con questi scenari di pagamento. Infine, integra il flusso di gestione degli ordini con queste specifiche regole di business.»

Ora l'IA ha qualcosa di molto più prezioso: una direzione. E i risultati possono essere decisamente migliori.

Secondo noi è una delle cose più importanti da capire sull'IA. L'IA non si limita a sostituire le competenze. Le amplifica.

Chi comprende a fondo il problema può usare l'IA per procedere a una velocità incredibile. Chi non lo comprende rischia semplicemente di produrre molti contenuti dall'aspetto sofisticato che non risolvono il problema reale.

Nello sviluppo software questo è particolarmente evidente. Uno sviluppatore esperto può esaminare un'implementazione generata dall'IA e chiedersi subito se l'architettura è adeguata, se scalerà, se il modello dati è corretto e cosa succede nei casi limite. Il modello di sicurezza è sufficiente? Cosa succede quando un'API esterna non risponde? È manutenibile? Corrisponde davvero ai requisiti di business? Stiamo risolvendo il problema giusto?

L'IA può aiutare a rispondere a molte di queste domande. Ma qualcuno deve comunque porre le domande giuste.

C'è poi un altro fenomeno interessante. L'IA può produrre molto rapidamente qualcosa che sembra finito.

Un prototipo può avere schermate bellissime. Un'applicazione generata può compilare. Un report generato dall'IA può contenere decine di pagine. Un chatbot può dare una risposta sicura. Un frammento di codice può superare qualche test.

Questo crea un'illusione pericolosa: il lavoro è fatto. Ma produrre un risultato e produrre il risultato giusto sono due cose molto diverse. Più il compito è complesso, più questa distinzione diventa importante.

Per compiti semplici e ben definiti, l'IA può spesso lavorare in modo quasi autonomo. Per compiti complessi, l'IA trae ancora enorme beneficio da qualcuno in grado di fornire contesto, prendere decisioni, verificare i risultati e correggere continuamente la direzione.

Crediamo che la domanda più interessante non sia «l'IA sostituirà le persone?», ma questa: cosa succede quando le persone che sanno cosa stanno facendo diventano molto più produttive grazie all'IA? È lì che sta avvenendo la vera trasformazione.

Un bravo sviluppatore con strumenti di IA può potenzialmente ottenere molto di più di uno sviluppatore che lavora senza. Un bravo architetto con l'IA può esplorare più alternative. Un bravo product manager può analizzare più informazioni. Un bravo designer può creare e iterare più velocemente. Un esperto di business può trasformare un'idea in un prototipo molto più rapidamente.

Ma la persona continua a fornire qualcosa di estremamente prezioso: il giudizio.

Per decenni la tecnologia è stata limitata dalla potenza di calcolo, dalle risorse di sviluppo e dal tempo necessario a creare software. L'IA cambia questa equazione.

Generare codice costa sempre meno. Generare contenuti costa sempre meno. Creare prototipi costa sempre meno. Analizzare informazioni costa sempre meno. In molti casi il collo di bottiglia si sta spostando altrove.

Il collo di bottiglia è sempre più la capacità di definire correttamente il problema. Cosa vogliamo ottenere esattamente? Perché lo stiamo costruendo? Quali sono i vincoli? Quali decisioni vanno prese? Come si misura il successo? Cosa deve fare il sistema quando succede qualcosa di imprevisto?

Queste domande non scompaiono perché l'IA diventa più potente. Anzi, diventano più importanti.

In ITFriends ci confrontiamo con questo ogni giorno. Il nostro lavoro comprende lo sviluppo software su misura e l'integrazione dell'IA, e vediamo regolarmente la differenza tra chiedere all'IA di costruire qualcosa e sapere davvero cosa va costruito.

È uno degli ambiti in cui la nostra esperienza diventa particolarmente preziosa. Non vediamo l'IA come un sostituto dei nostri sviluppatori, architetti o business analyst. La vediamo come uno strumento estremamente potente che permette al nostro team di lavorare più velocemente, esplorare più possibilità e generare più valore.

Ma prima che l'IA possa eseguire in modo efficace, qualcuno deve comprendere il problema di business, scomporlo in attività sensate, definire il risultato atteso e valutare se il risultato ottenuto è davvero corretto. È lì che la nostra esperienza fa la differenza.

Il più grande equivoco sull'IA forse non è che sostituirà tutti. Potrebbe essere l'opposto: si sottovaluta quanta competenza serva per usare l'IA in modo efficace.

Assegnate all'IA un compito vago e potreste ottenere un risultato impressionante ma irrilevante. Datele un problema ben definito, un buon contesto, vincoli significativi e un feedback continuo, e i risultati possono essere straordinari.

Il futuro, quindi, non consiste necessariamente nello scegliere tra IA e persone. Consiste nel combinarle. L'IA offre una straordinaria capacità di esecuzione. Le persone offrono contesto, giudizio e direzione.

E le organizzazioni che sapranno combinare queste capacità avranno un vantaggio significativo. In ITFriends aiutiamo le aziende a far funzionare proprio questa combinazione, ogni giorno.