Quando l’AI diventa un’etichetta prima che una funzione

Un’app prende appunti e improvvisamente “ha l’AI”. Un frigorifero suggerisce ricette e “ha l’AI”. Un software che fino a ieri faceva una ricerca tradizionale aggiunge un pulsante per riassumere e diventa “AI-powered”. La tecnologia può essere utile in tutti questi casi, ma la velocità con cui l’etichetta si è diffusa dice qualcosa anche sul mercato: l’AI è diventata un segnale di modernità prima ancora che una funzione.

Questo non significa che l’AI sia fuffa. Significa che bisogna separare la capacità tecnica dal valore per l’utente, esattamente come facciamo nella guida sulla fuffa AI.

Perché ogni prodotto vuole avere l’AI

Le aziende tecnologiche competono anche sulla percezione. Quando una tecnologia viene interpretata come il prossimo standard, non adottarla può sembrare più rischioso che adottarla male. Da qui nasce una dinamica semplice: inserire una funzione AI diventa un modo per rassicurare investitori, clienti e mercato sul fatto che il prodotto non stia rimanendo indietro.

È la stessa logica vista in altre ondate: cloud, blockchain, metaverso. La differenza è che l’AI generativa può essere integrata rapidamente tramite API, quindi il costo per aggiungere una funzione dimostrativa è relativamente basso.

Una funzione AI è utile quando cambia il costo di un compito

Il criterio più semplice è chiedersi che cosa diventa concretamente più facile. Un modello può ridurre il tempo necessario per sintetizzare documenti, classificare richieste, estrarre informazioni o produrre una prima bozza. In questi casi l’AI modifica davvero il costo di un’attività.

Se invece introduce passaggi aggiuntivi, produce risultati che vanno sempre ricontrollati o sostituisce una funzione deterministica con una risposta probabilistica meno affidabile, il beneficio può essere soltanto apparente.

Il problema del pulsante AI

Molte integrazioni partono dall’interfaccia: si aggiunge una casella di testo, un assistente laterale o un comando “genera”. Ma il valore dell’AI dipende da ciò che c’è dietro: accesso ai dati giusti, contesto, permessi, integrazione nel flusso di lavoro e possibilità di verificare il risultato.

Un chatbot appoggiato sopra un prodotto non trasforma automaticamente quel prodotto. A volte sposta soltanto il lavoro: prima facevi una ricerca; ora scrivi un prompt, leggi la risposta e controlli che non abbia inventato nulla.

AI washing: quando la parola vale più della funzione

Possiamo parlare di AI washing quando l’etichetta AI viene usata per attribuire a un prodotto capacità o novità maggiori di quelle reali. Non serve arrivare alla frode: basta presentare come “intelligente” una normale automazione, oppure nascondere limiti importanti dietro una comunicazione vaga.

Per questo conviene distinguere intelligenza artificiale, machine learning, automazione e semplici regole software. Sono strumenti diversi e non hanno bisogno di essere ribattezzati tutti nello stesso modo.

Quando l’AI non serve

Se il problema ha regole chiare, dati strutturati e una risposta deterministica, un software tradizionale può essere più economico, verificabile e veloce. Non ha senso chiedere a un modello linguistico di “indovinare” ciò che un database può restituire con precisione.

Lo stesso vale quando l’errore è costoso. In processi critici l’AI può aiutare, ma deve essere inserita dentro controlli, responsabilità e procedure. Il fatto che una funzione sia possibile non significa che debba diventare autonoma.

Il test più semplice: toglila

Per capire se una funzione AI ha valore, immagina di rimuoverla. Il prodotto diventerebbe significativamente peggiore? L’utente perderebbe tempo, capacità o qualità? Oppure sparirebbe soltanto un badge dalla pagina commerciale?

È un test brutale ma utile. L’AI ha senso quando diventa infrastruttura invisibile di un compito, non quando costringe l’utente a ricordarsi continuamente che sta usando l’AI.

Fonti

• NIST, AI Risk Management Framework
• OECD AI Principles