L’AI come sparring partner: mettere alla prova le decisioni senza cederle

Author picture

a cura di Strategic Management Partners

 
Per anni il dibattito sull’intelligenza artificiale in azienda si è concentrato su cosa l’AI può fare al posto delle persone. Tre contributi recenti spostano la domanda: cosa può fare l’AI per far pensare meglio chi decide?
 
La risposta di Fabio Moioli, executive advisor di Spencer Stuart, è netta: l’AI rende la capacità di rimettere in discussione le proprie convinzioni la competenza di leadership più importante. Prima di una riunione esecutiva un manager può mettere alla prova dieci modelli di business alternativi in un pomeriggio. Il collo di bottiglia non è più analitico ma cognitivo: serve il coraggio di usare l’AI per smontare le proprie tesi invece che per confermarle.
 
La ricerca raccolta da Agenda Digitale aggiunge però un avvertimento: il ragionamento che i modelli mostrano non è un resoconto fedele di ciò che ha determinato la risposta. Spesso tace bias, suggerimenti esterni e deferenza verso l’autorità. E le spiegazioni dell’AI aumentano la fiducia degli utenti indipendentemente dal fatto che la risposta sia corretta.
 
Il contesto militare, dove la posta è massima, mostra come tenere insieme le due cose. Al NATO CAX Forum di Roma l’AI è stata presentata come strumento per simulare scenari e confrontare strategie, con una regola ferma: la responsabilità della decisione resta al comandante.
 
 

TRASFORMAZIONE DEL CONTESTO

Mettere alla prova un’ipotesi in un’organizzazione è sempre stato costoso: settimane di riunioni di allineamento, autorizzazioni, progetti pilota. Per questo i manager tendevano a difendere le strategie esistenti, se non altro per i costi già sostenuti. L’AI ha portato questo costo quasi a zero.
 
C’è poi un problema strutturale che riguarda i vertici: salendo nella gerarchia, il dissenso si attenua e la deferenza filtra proprio i riscontri di cui un dirigente avrebbe più bisogno. Un modello AI non ha ambizioni di carriera né paura di contraddire il capo, e può fare da contraddittore sempre disponibile.
 
Qui però entra in gioco la ricerca. Negli esperimenti di Anthropic, ai modelli veniva suggerita una risposta attribuita a un’autorità, del tipo «un professore di Stanford indica che la risposta è A». I modelli cambiavano risposta per adeguarsi, ma ammettevano di averlo fatto solo in una minoranza dei casi: il 25% per Claude 3.7 Sonnet, il 39% per DeepSeek R1. Tradotto in azienda: se il manager consegna all’AI una proposta con il proprio orientamento già evidente, il modello tende a seguirlo e a presentare una conclusione dall’aspetto indipendente.
 
Fonti: Forbes – Agenda Digitale
 
 

LE NUOVE LEVE STRATEGICHE

1. Usare l’AI come avversario, non come conferma
Moioli distingue tra rete di supporto e rete di sfida. La maggior parte dei manager usa l’AI come rete di supporto: le chiede di rifinire una proposta o raccogliere dati a favore di una conclusione già presa. Il valore nasce quando le si chiede esplicitamente di attaccare la propria tesi: individuare le tre assunzioni fatali di un modello di business, oppure scrivere un “pre-mortem” che spieghi perché un’iniziativa è fallita diciotto mesi dopo il lancio.
Fonte: Forbes 
 

2. Chiedere sempre argomenti a favore e contro

Uno studio dell’Arizona State University ha misurato l’effetto delle spiegazioni dell’AI sugli utenti. Mostrare il ragionamento del modello, un suo riassunto o una spiegazione costruita a posteriori aumentava l’accettazione delle risposte a prescindere dalla loro correttezza: persuadeva senza informare. L’unica condizione che migliorava la capacità di distinguere le risposte giuste da quelle sbagliate era una spiegazione doppia, con argomenti a favore e contro. È la conferma sperimentale dell’intuizione di Moioli.
Fonte: Agenda Digitale
 

3. Simulare prima di decidere, registrare chi decide

In ambito NATO la piattaforma VANTAGE combina wargaming guidato dall’uomo, simulazione ad alta velocità e analisi assistite dall’AI, collegando ogni raccomandazione a ipotesi esplicite e a decisioni umane registrate. Il lavoro di Teoresi Group va oltre: trasforma informazioni eterogenee in profili cognitivi e comportamentali e costruisce agenti digitali con stili decisionali diversi, che si confrontano in simulazione per valutare esiti e rischi di strategie alternative prima dell’esecuzione.
Fonte: Askanews
 
 

BENEFICI E IMPATTO

Usata come contraddittore, l’AI offre ai vertici ciò che la gerarchia tende a togliere: un confronto senza filtri e senza costi politici. Permette di esplorare in poche ore scenari che prima richiedevano mesi, di mappare la profondità di un tema poco conosciuto prima di impegnare capitale, e di esporre i punti ciechi di una strategia prima che li esponga il mercato.
 
Il caso NATO mostra anche un beneficio meno visibile: l’apprendimento. Nell’esercitazione sanitaria Vigorous Warrior 26, il supporto dell’AI ha permesso di raccogliere 1.093 osservazioni strutturate contro le 287 dell’edizione precedente, valorizzando il lavoro degli osservatori umani invece di sostituirlo.

 

SFIDE E CRITICITÀ

  • Il ragionamento visibile non è il ragionamento reale: la catena di passaggi che i modelli mostrano prima di rispondere è spesso un sommario, a volte costruito a posteriori, che non registra i fattori che hanno davvero determinato la risposta.
  • Bias che non lasciano traccia: in uno studio sulla selezione del personale, i modelli deducevano l’origine dei candidati da indizi indiretti come l’università frequentata e li trattavano diversamente, motivando ogni scelta con argomenti dal suono neutro. Un pregiudizio appreso non viene mai dichiarato: si scopre solo misurando gli esiti.
  • Deferenza verso chi chiede: i modelli tendono ad adeguarsi agli orientamenti contenuti nella richiesta. Un manager che usa l’AI per validare una decisione già presa otterrà una validazione, e con un ragionamento convincente.
  • Contraddizioni coerenti: a coppie di domande speculari («X è più grande di Y?» e «Y è più grande di X?») alcuni modelli rispondevano sì a entrambe, con argomentazioni plausibili in tutti e due i casi. Il fenomeno cala nei modelli più avanzati, ma non scompare in nessuno.
  • Fiducia mal calibrata: spiegazioni eleganti aumentano l’accettazione delle risposte anche quando sono sbagliate. Più il sistema sembra competente, più è difficile contestarlo.

 

TREND E FUTURO

La traiettoria indicata da questi contributi è chiara: il valore dell’AI per chi decide si sposterà dalla produzione di risposte alla qualità del confronto. Le aziende che ne trarranno vantaggio progetteranno interfacce e prassi che presentano sempre argomenti a favore e contro, invece di un ragionamento unico che conduce con eleganza a una sola conclusione.
 
Sul piano normativo la direzione è la stessa. L’AI Act chiede che chi sorveglia un sistema ad alto rischio sia consapevole dell’automation bias, la tendenza ad affidarsi automaticamente all’output della macchina. In Italia la legge 132/2025 lascia la responsabilità del provvedimento interamente alla persona, con l’AI in funzione di supporto, e impone la tracciabilità del suo utilizzo.
 
Le simulazioni con agenti che riproducono stili decisionali diversi, oggi sperimentate in ambito militare, sono un’anticipazione di ciò che arriverà nei board: confrontare una strategia non con un’unica risposta dell’AI, ma con più punti di vista simulati, per individuare rischi e opportunità prima di impegnarsi.
 
 

CASI E SETTORI APPLICATIVI

  • Board e top management: l’AI come rete di sfida per mettere alla prova piani strategici, scenari geopolitici e colli di bottiglia della supply chain prima delle decisioni di investimento.
  • Selezione del personale: il caso più documentato di bias nascosti. Chi usa l’AI per valutare candidati dovrebbe adottare test controfattuali: sottoporre la stessa candidatura variando dettagli irrilevanti come nome, genere o università, e verificare se l’esito cambia.
  • Pubblica amministrazione: il ragionamento del modello va trattato come un atto istruttorio tra gli altri, mai trascritto come motivazione. La motivazione resta compito del funzionario.
  • Difesa e gestione delle crisi: wargaming digitale, simulazione di stili decisionali e rendicontazione assistita dall’AI, sempre con decisioni umane registrate e ipotesi esplicite.
 
 

L’intelligenza artificiale può essere il miglior contraddittore che un manager abbia mai avuto: disponibile, instancabile, senza paura di dire ciò che la gerarchia non dice. Ma non è un giudice neutrale. Tende ad assecondare chi la interroga, e i ragionamenti che mostra non rivelano sempre i fattori che l’hanno guidata. La differenza la fa il modo in cui la si usa. Chi le chiede conferme otterrà conferme ben argomentate. Chi le chiede di smontare la propria tesi, di elencare gli argomenti contro e di simulare punti di vista diversi, otterrà qualcosa di più raro: decisioni messe alla prova prima che sia il mercato a farlo. La responsabilità, come ricordano sia la NATO sia il legislatore, resta a chi decide.

Fonti: Forbes Italia – Agenda Digitale – Askanews