Nik Suresh, consulente per grandi aziende, pubblica un articolo pieno di aneddoti anonimi su come l’AI mania sta bloccando le decisioni nelle organizzazioni con cui lavora. Vale la lettura perché racconta qualcosa di vero che i pezzi di marketing non dicono.

Il dato più chiaro è un dirigente che confessa di non aver mai aperto ChatGPT in vita sua, subito dopo aver firmato una strategia tecnica interamente basata sull’AI per un’azienda da oltre 2 miliardi di dollari di ricavi. Un ingegnere racconta di dire all’AI di riscrivere un’intera repository da Go a Zig mentre lui lavora su altro, solo per “mantenere il posto” in un’azienda ossessionata dai token leaderboard.

Perché ti riguarda. Se lavori in un’azienda che sta “facendo AI”, il problema non è lo strumento ma la dinamica sociale che si costruisce intorno. Suresh descrive il meccanismo con precisione: i dirigenti dei clienti annunciano guadagni di produttività del 100x, e i venditori non possono smentirli perché farlo sarebbe percepito come un attacco, metterebbe a rischio il contratto enterprise e ti farebbe licenziare. L’hype diventa un patto silenzioso dove nessuno ha interesse a dire come stanno le cose.

È la versione aziendale dello “smettila di dirmi di chiedere a un LLM” che abbiamo raccontato il 12 luglio: la delega del giudizio a qualcosa che non può rispondere, ma in versione collettiva e con un budget a sei zeri. Il contrario esatto del metodo che proponiamo qui: provare sul tuo caso, misurare, decidere con i tuoi numeri. Come ricordavano le metriche di ROI che OpenAI ha pubblicato il 17 luglio, il modo per uscire dalla nebbia è sostituire le affermazioni con dati verificabili. Se non puoi misurarlo, non puoi nemmeno difenderlo davanti a un dirigente che ha già deciso cosa credere.

Nel dettaglio

L’articolo di Suresh è divertente e tagliente, ma il suo valore non sta negli aneddoti piccanti: sta nel fatto che descrive un meccanismo sociale, non un problema tecnologico. Le grandi aziende che comprano consulenza sbagliano perché la pressione a “fare qualcosa con l’AI” ha superato la capacità di valutare se quella cosa serva, non perché l’AI non funzioni.

Il caso del dirigente che non ha mai usato ChatGPT ma firma una strategia AI è l’estremo di un pattern diffuso. Suresh lo racconta come aneddoto, ma è la sintesi di qualcosa che chi lavora in aziende grandi riconosce: la distanza fra chi decide il budget e chi usa lo strumento è diventata così larga che il budget si assegna sulla narrativa, non sull’esperienza.

Il secondo aneddoto, l’ingegnere che riscrive una repository intera in un altro linguaggio, è il sintomo della stessa malattia visto dal basso. Quando la metrica interna diventa “quanto usi l’AI” invece di “cosa hai prodotto”, le persone razionalmente imparano a mostrare attività AI invece di risultato. Non è un problema di cattiva fede: è un problema di incentivi.

La parte più interessante è la dinamica vendor-cliente. Un venditore racconta a Suresh che i dirigenti dei suoi clienti enterprise dichiarano pubblicamente produttività 100x, e se lui o un suo collega del vendor provasse a dire che quei numeri non sono plausibili, la conseguenza sarebbe la cancellazione del contratto. In pratica, l’hype si autoprotegge: chi ha investito la propria credibilità in una promessa eccessiva non può permettere che qualcuno la smentisca, e chi dipende da quel cliente non può permettersi di essere quello che smentisce.

Questo è il contesto in cui vanno letti i pezzi che pubblicano framework di misurazione, come la scorecard di OpenAI sulla quale abbiamo scritto il 17 luglio. La domanda “come misuro il ROI dell’AI” ha senso solo se c’è qualcuno disposto a guardare i numeri. Se la dinamica organizzativa premia chi promette e punisce chi verifica, nessun framework basta.

I limiti del pezzo vanno detti chiari. Le fonti sono anonime e filtrate attraverso un consulente che ha un punto di vista (e un pubblico da intrattenere). Gli aneddoti sono verosimili ma non verificabili indipendentemente. Suresh non propone soluzioni sistemiche, e giustamente: il problema che descrive è strutturale e non si risolve con un tool. Quello che puoi fare tu, nel tuo ambito, è tenere aperto il canale della verifica: usare l’AI sui tuoi casi concreti, confrontare i risultati, e quando ti chiedono “se funziona” portare i tuoi numeri invece della tua opinione.