Aggiornato al 07/02/2026
Lavorare full-time e portare avanti un progetto personale è una guerra contro il tempo. L’AI sembra l’arma perfetta, ma, se non stai attento, ti spara addosso. Ho passato dei mesi pensando di usarla come un Google potenziato, con risultati sotto le aspettative. Domande. Ricerche. Credevo che fossero i prompt a fare la differenza.
A metà 2024 ho intrapreso il programma di certificazione della Stanford University “Generative AI: Technology Business and Society”. Ho letto il libro Co-intelligence di Ethan Mollick (“L’intelligenza condivisa. Vivere e lavorare insieme all’AI”, Luiss University Press, pagg. 184). Mi sono iscritto alla sua newsletter su Substack, One Useful Thing.
L’errore non erano i prompt. Scriverli nel modo giusto è importante, ma la cosa che impatta di più è il framework. Non è solo una tesi di Mollick. È ciò che emerge dalla ricerca accademica.
In questo articolo delineo cosa significa davvero lavorare con l’AI senza farsi sostituire, basandomi sui concetti chiave di “Co-intellingence” di Ethan Mollick, sulla loro conferma universitaria e sulla mia esperienza personale.
IN BREVE
- L’AI può essere lo specchio efficiente dei tuoi bias o aiutarti a superarli. Dipende da come la usi.
- L’umano nel loop è il criterio chiave. Non mettere il pilota automatico se non vuoi schiantarti.
- Centauri o Cyborg: dipende dal contesto. Scegli con cura se vuoi dividere i compiti con l’AI o rendere ibrido il processo decisionale.
- Un uso attento dell’AI velocizza i side project e, in generale, tutti i progetti dove sbagliare è un errore troppo costoso.
- La sfida è capire fin dove spingerti. È il principio chiave della managerialità: trade off tra delega ed esecuzione, tra visione e realizzazione.
Cosa troverai in questo articolo su Co-intelligence di Ethan Mollick e lavorare con l’AI
L’AI come Decision Support System per i manager e per il lavoro creativo
Scrivere non è soltanto comunicare. È pensare ad alta voce. Se scrivi meglio, pensi meglio. Se pensi meglio, lavori meglio. Non in senso esclusivamente professionale. Vale per ogni attività umana.
L’attività mentale non è tutta uguale. C’è il pensiero che richiede dialogo. Quello analitico, logico, creativo. Qualsiasi esso sia, il rischio è sempre che rispecchi i tuoi limiti, i tuoi bias e le tue strutture mentali. Kant parlava di categorie che organizzano le nostre percezioni e il nostro pensiero. Un grande filtro attraverso cui si organizza la conoscenza del mondo.
L’AI va usata nel modo giusto. Può essere uno sparring partner, capace di sfidare le tue convinzioni. Può essere l’editor che sfida la solidità della tua storia, come N.I.M.O. Oppure può compiacerti e convincerti di avere ragione.
Viviamo in un paradosso. Molte aziende vedono l’AI come automazione per tagliare i costi. Le persone la usano come una stagista instancabile per scrivere e-mail e riassunti mediocri che nessuno leggerà. Entrambi stanno mancando il bersaglio.
L’AI non serve a produrre più spazzatura in meno tempo. Serve a elevare la qualità del pensiero in un tempo che non abbiamo.
L’AI deve farci superare i nostri limiti e i nostri bias.
Le AI di ultima generazione possono diventare il nostro amplificatore, non più AI (Artificial Intelligence), ma AuI (Augmented Intelligence, ossia intelligenza aumentata). Si tratta di migliorare il modo in cui fai qualcosa (Augmentation), non di automatizzare o farti sostituire.
Io vedo l’AI come un possibile upgrade della nostra mente. Affinché diventi un’estensione del giudizio, deve incorporare non solo chi siamo oggi, ma chi vogliamo diventare. Deve avere un metodo esplicito per sfidarci.
Per esempio, strutture che intercettino i nostri bias decisionali prima che diventino errori costosi. Altrimenti rischiamo di costruire specchi molto efficienti dei nostri limiti attuali.
Le quattro regole di Co-intelligence di Ethan Mollick per lavorare con l’AI
Regola numero uno: invita sempre l’AI al tavolo, ma non lasciarla decidere.
Farlo permette di familiarizzare con le capability a disposizione. I punti di forza e di debolezza dell’AI possono non riflettere i tuoi e questa diversità di pensiero facilita la generazione di idee che non sarebbero mai nate senza questo confronto. Non bisogna però sottovalutare i rischi: la privacy dei dati e l’erosione potenziale della capacità di giudizio.
La mia esperienza
Non ero sicuro di come strutturare il mio sito web e di come integrare N.I.M.O. Erroneamente, pensavo a una soluzione più complessa, come un’App su mobile. L’AI mi ha aiutato a trovare la soluzione più veloce, una SPA (single page application) ospitata dall’infrastruttura principale. In questo modo ho potuto concentrarmi sul motore decisionale, lavorando di più sul prompt engineering che non sulla User Interface (UI).
Regola numero due: tratta l’AI come una persona, ma dille che tipo di persona è.
Dare alla AI un punto di vista permette di interrompere pattern. Il modo più facile per farlo è fornire contesto e vincoli. In questo modo puoi definire i binari giusti per le sue risposte. Per i più tecnici, un altro modo per farlo è chiedere di restituire il risultato in un JSON, per ridurre il rischio di allucinazioni e farla aderire maggiormente all’output richiesto.
La mia esperienza
Per i prompt uso un framework, il R.O.C.E. di Michele Russo, Sr. Tech Strategist e fondatore di Seven Minutes Learning.R.O.C.E., ossia: Ruolo, Obiettivo, Contesto, Esecuzione. Dì all’AI chi deve essere (ruolo), dalle l’obiettivo della tua domanda (ad esempio: consolidare il traffico sul tuo sito), il contesto (cosa hai a disposizione, i tuoi vincoli), dille come deve eseguire l’output che vuoi: una lista numerata, una tabella, l’elenco di un insieme di punti ciechi che non hai considerato.
Regola numero tre: assumi che sia la peggiore AI che userai.
Verifica quello che ti dice. Controlla. L’AI evolve molto rapidamente. Ed effettivamente, dopo solo qualche mese, potresti trovarti a dover rivedere il modo in cui l’hai usata finora per fruire di una nuova funzionalità.
La mia esperienza.
Devi rimanere aggiornato. Esce ChatGPT 5.2 ed è subito superato da Claude Opus 4.5 in versione estesa. Investire del tempo nell’apprendimento è la tua unica possibilità di riduzione del rischio. Non leggere manuali. Studiare l’AI è come imparare a guidare la macchina. Se fai solo teoria, non prenderai mai la patente.
Regola numero quattro: sii l’umano nel loop.
Le AI non sanno nulla, predicono la prossima parola in sequenza rispondendo a funzioni finalizzate a farti felice e a restituire risultati accurati.
Devi fornire supervisione offrendo la tua prospettiva unica, skill di pensiero critico e considerazioni etiche. Tutto questo favorisce senso di responsabilità e accountability, ti permette di imparare nuovi modi di pensare e applicare problem solving specifico.
Qui c’è il cuore di tutto. Non devi essere un supervisore passivo, ma un decisore attivo. Chi usa l’AI senza pensiero critico non solo abdica alla guida, ma non decide neanche più la destinazione finale.
Sulla base della mia esperienza, le quattro regole di Co-intelligence di Ethan Mollick possono essere applicate per lavorare con l’AI in altrettante modalità operative:
- NON chiedere all’AI di generare testo creativo al posto tuo. Negli altri casi, rivedi sempre quello che ha scritto, fosse anche solo un’e-mail o una minuta di un meeting.
- Sperimenta con criterio e osserva dove l’AI performa al meglio. Non tutte sono uguali.
- NON prendere il codice che ha scritto per buono senza revisione. In generale, controlla sempre quello che fa.
- Spiega bene all’AI chi deve essere. Se usi Gemini, crea dei GEM personalizzati. Se usi Claude o ChatGPT, crea dei progetti.
Porto un esempio. Qualche tempo fa ho chiesto ai tre principali assistenti AI che utilizzo di darmi keyword in ottica SEO per gli articoli. Tutti e tre hanno sbagliato. Ho controllato i risultati con lo strumento di pianificazione delle keyword di Google, ho sottoposto delle alternative e ho chiarito gli obiettivi che volevo ottenere. In questo modo l’AI ha dato spunti utili e ricalibrato i suggerimenti. Scrivere con l’intelligenza artificiale richiede un approccio mirato.
Lo dico di nuovo: pensare di usare l’AI come Google o al posto tuo è un errore costoso.
Tenere l’uomo nel loop non è solo opinione di Mollick. È esattamente il cuore di quello che ho studiato alla Stanford. È architettura operativa.
Il programma che ho seguito alla Stanford dimostra che:
- i modelli non capiscono
- non ricordano davvero
- spiegano bene anche quando sbagliano
- ottimizzano senza valori
- sembrano migliori di quanto siano
La conclusione è che l’AI funziona solo con l’uomo nel loop, non al suo posto.
Centauri, Cyborg e il limite oltre cui spingersi
L’uomo può evolvere, assumere la forma di Centauro o Cyborg a seconda del contesto. Per capire la metafora utilizzata in Co-Intelligence di Ethan Mollick, è utile partire dalla suddivisione che propone delle attività (i task).
| Tipologia di task | Definizione | Esempi |
| Just Me Tasks (compiti “solo io”) | Attività in cui l’AI non è utile, intralcia il lavoro, o per cui non dovrebbe agire. | Quasi tutti i task di scrittura, perché l’AI non riesce a scrivere con uno stile personale. Tutti i task che riguardano emotività ed empatia. Chi farebbe crescere un figlio a una AI? |
| Delegated Tasks (compiti delegati) | Attività che assegni alla AI e che puoi controllare attentamente, ma sui quali non vuoi spendere troppo tempo. | In genere attività ripetitive, noiose. Possono includere prenotazioni, pianificazioni, generazione di report e riassunti. |
| Automated tasks (compiti automatizzati) | Attività lasciate completamente alla AI e che non richiedono controllo. | Filtro anti-spam, lavori di routine altamente standardizzati, che non necessitano supervisione. |
Con questo framework in mente, si può capire meglio la metafora suggerita in Co-Intelligence di Ethan Mollick.
- Centauri: dividono i compiti. L’umano fa X, l’AI fa Y.
- Cyborg: integrano. L’umano e l’AI lavorano insieme su tutto.
Io oscillo tra i due a seconda del contesto. Se devo fare brainstorming, preferisco un approccio Cyborg. Una rissa da bar digitale che coinvolge me, ChatGPT, Claude e Gemini. Io difendo le mie idee. A loro chiedo di smontarle.
Quando scrivo un articolo, ad esempio, procedo in questo modo:
- Spiego cosa voglio scrivere, che obiettivo voglio ottenere, a chi è diretto il pezzo. Condivido le prime idee.
- Ricevo suggerimenti dalla AI, che identifica i punti deboli e rafforza la struttura.
- Rivedo, rivaluto, modifico, non necessariamente seguendo tutti i consigli. NON delego mai il pensiero.
- Sottopongo di nuovo, itero il lavoro.
- Ricevo altri feedback.
- Modifico ancora. Scrivo. Rivedo.
- E così via…
In sostanza gioco a ping pong. Discuto, triangolo i feedback di Gemini vs. Claude vs. ChatGPT, riservandomi il potere decisionale. Spesso mi faccio sfidare e le sfido a mia volta.
Non sono d’accordo.
Stai sbagliando.
Considera questi dati.
Rivedi quello che mi hai detto considerando che…
Queste sono solo alcune delle frasi che tipicamente utilizzo con gli assistenti AI.
Raramente uso un approccio Centauro puro. L’ho fatto per scrivere codice. L’AI scriveva e io rivedevo. N.I.M.O. è nato così. Non avevo tempo sufficiente per programmare l’intera UI (user interface) dello strumento.
Ho rivisto il codice prodotto, ma la prima versione l’ha eseguita prevalentemente Gemini.
Questa, però, è solo tecnica. La vera domanda è un’altra ed è più profonda: quanto si può esternalizzare senza perdere il controllo? Il filosofo Andy Clark dice che delegare attività cognitive non ci impoverisce, ci estende. Ma dove sta il limite? E come cambia il pensiero quando lo attraversi?
| Errori tipici quando usi l’AI |
| 1. Fermarti alla prima interazione. Anche se usi la chain of thought (catena di pensiero), ossia la suddivisione del ragionamento in passaggi logici intermedi. |
| 2. Pensare che un comando generico produrrà il risultato che va bene per te. |
| 3. Fidarti ciecamente del suo responso. Se non ragioni su quello che ti dice, ti farà sbagliare. |
Side Project: cosa comporta la lettura di Co-Intelligence di Ethan Mollick per lavorare con l’AI
Tutto questo si applica perfettamente alla gestione dei side project, dove il costo di ogni errore è amplificato. Non hai tempo per ricominciare.
Ad esempio, ho creato un mentore personalizzato, seguendo i consigli dell’AI. Apparentemente perfetto. Lo volevo capace della saggezza di Seneca, con la logica di Cartesio e l’acume strategico di Sun Tzu, capace di calare il tutto nei tempi moderni grazie ai report della Stanford, dell’Organizzazione per la cooperazione e lo sviluppo economico e a quelli sul clima. Capacità tecnica basata sulla conoscenza a memoria dei paper più innovativi di Google.
Al tempo usavo solo ChatGPT. Ho chiesto come procedere e mi ha suggerito di caricare in un progetto libri interi, liberi da copyright, report fruibili e istruzioni personalizzate.
Ci ho lavorato tre settimane. Poi ho scoperto che caricare troppe informazioni nel progetto rallentava la AI. Allucinava i risultati o la faceva crashare.
Quando ho indagato perché, ho scoperto che troppe informazioni rallentano perché obbligano a verificare i file di contesto prima di cercare nel set informativo standard.
Il problema era la finestra di contesto (“Context Window”), ossia la quantità di informazioni che un LLM può tenere a mente e analizzare in una singola sessione di interazione. Sono i problemi classici del “Lost in the middle” (difficoltà di considerare le informazioni nel mezzo del testo), dell’over focus sul contesto (eccessivo affidamento sulla cronologia dei dati forniti), sul rumore di fondo (troppa importanza a informazioni non rilevanti) e della degradazione della precisione (un calo di prestazioni nel recuperare informazioni puntuali all’aumentare della dimensione del contesto).
Capire i limiti tecnici come la Context Window è il primo passo per non sprecare tempo. Vale anche fuori dai progetti personali: quando costruisci un agente aziendale, una knowledge piccola e curata batte sempre un archivio enorme. Ne ho scritto qui: come creare un agente Copilot utile senza trasformarlo in un oracolo.
L’AI può essere un acceleratore OPPURE una trappola elegante. Così sottile che neanche ti accorgi di esserci caduto dentro.
Per questo devi essere tu a guidare. L’umano nel loop non è opzionale, proprio come dice Ethan Mollick in Co-Intelligence.
Moltiplicare il tempo che hai a disposizione è possibile soltanto se ti fermi a pensare prima di cominciare.
Se scrivi meglio, pensi meglio. Se pensi meglio, lavori meglio, dicevo all’inizio.
Mettere in forma scritta le tue idee, anche solo per discuterle con una AI, ti obbliga a razionalizzare.
Scrivi il prompt usando la regola R.O.C.E.
Farlo ti costringerà a pensare.
Non chiederle: “dimmi come avviare una gelateria artigianale”.
Dille: “Sei un esperto del commercio al dettaglio, con specifico know how nel lancio di gelaterie artigianali. Il tuo obiettivo è aprire una nuova gelateria entro sei mesi in un luogo di villeggiatura del sud Italia, gestibile da una sola persona più due dipendenti part-time. Hai a disposizione due mesi per avviare il progetto, ventimila euro di capitale iniziale e la possibilità di chiedere un finanziamento. Dammi il business plan completo, indicando gli step operativi necessari all’avvio, un piano di marketing per il lancio e i tre rischi con la probabilità più alta di accadimento”.
Dopo che ti ha risposto, itera. Ripeti. Sfida la risposta. Approfondisci ogni punto (il lancio, il marketing, ecc.). Chiedi alternative.
Ragiona su quello che vuoi. E l’AI ragionerà con te.
I tuoi side project troveranno più spazio.
Come applico i suggerimenti di Co-intelligence di Ethan Mollick e come puoi lavorare tu con l’AI
È su questi principi che ho costruito il mio metodo di lavoro.
N.I.M.O. non genera testo. Valuta strutture. Mi costringe a rispondere a domande che preferirei evitare.
N.I.M.O. aiuta a prendere decisioni. Identifica i bias. Trova i cliché. Vede quello che io non rilevo.
È lo strumento che sto sperimentando per superare i miei limiti. È un esperimento e come tale va perfezionato, ma il semplice fatto di costruirlo mi ha permesso di mettere alla prova un modello cognitivo distribuito, orchestrando tre diversi LLM e la mente umana.
Ecco perché, comunque vada, non sarà tempo buttato.
Tutte le volte che uso l’AI, mi chiedo: sto delegando un compito oppure una decisione?
Se stai lavorando con l’AI, devi procedere per step, devi mettere in conto di poter sbagliare. Imparare a camminare porta inevitabilmente a cadere. I bambini lo fanno e poi vanno avanti. Magari piangono un po’, ma dopo riprendono. Ogni volta più spediti di prima.
Tutte le volte che usi l’AI, non fermarti al primo responso. Sfidala. Metti alla prova te stesso. Fai degli LLM un’estensione del pensiero. Mettendo in conto la possibilità di cadere.
Come dicevo nell’articolo su side project e lavoro full time, ogni tentativo ti lascerà qualcosa. Dedicarti a quello che sei, ai tuoi side project, ti renderà ogni giorno più libero. Ogni giorno più umano.
La domanda che resta
In Co-intelligence di Ethan Mollick ho trovato un framework, ma non la risposta alla domanda che mi porto dietro: se deleghi il pensiero, cosa resta di te quando devi decidere?
Stiamo costruendo intelligenza distribuita e non abbiamo ancora capito cosa significhi per il lavoro intellettuale. Su questa risposta si basa il futuro di chiunque debba prendere una decisione.
Il futuro di tutti noi.
Mollick dà il framework. Qui sotto trovi come applicarlo.
→ Come usare ChatGPT, Claude, Gemini e Copilot nel lavoro reale
→ Copilot Studio: come creare un agente utile senza trasformarlo in un oracolo aziendale
→ Costruire qualcosa che resta: la lezione di Viktor Frankl
→ Side project e lavoro full-time: come trovare il tempo
Vuoi sapere quando pubblico qualcosa di nuovo? Niente spam. Ti scrivo solo quando ne vale la pena. Lascia la tua email.