Perché il giudizio umano — non la qualità dell’IA — è il vero motore delle performance aziendali
L’intelligenza artificiale generativa è arrivata con una promessa convincente: un consulente sempre disponibile e a basso costo, utilizzabile da chiunque sappia leggere e scrivere. Per imprenditori e piccoli imprenditori — che spesso non hanno accesso a consulenti o mentori costosi — questo sembra una vera svolta. Ma funziona davvero?
Un esperimento sul campo condotto con centinaia di piccoli imprenditori in Kenya suggerisce che la risposta è molto più complessa di quanto l’entusiasmo iniziale lasciasse intendere. La tecnologia ha effettivamente aiutato alcuni imprenditori ad aumentare ricavi e profitti. Ma ha peggiorato le cose, in modo misurabile, per altri. Il fattore decisivo non è stata la qualità dei consigli dell’IA, ma la qualità della persona che li utilizzava.
Perché è così difficile scalare il supporto alle imprese
Aiutare gli imprenditori a migliorare le proprie performance su larga scala è da tempo una delle sfide più decisive dell’economia dello sviluppo. Gli interventi che producono risultati concreti — consulenza individuale, mentorship personalizzata, networking di persona — richiedono molto lavoro, sono costosi e quasi impossibili da replicare in modo esteso. Nei paesi a basso reddito, il divario è ancora più marcato: i consulenti aziendali qualificati sono scarsi e le loro tariffe sono fuori portata per la maggior parte delle piccole attività.
È esattamente per questo che l’IA generativa sembrava così promettente. Uno strumento capace di rispondere a domande di business in linguaggio naturale, ventiquattr’ore su ventiquattro, a un costo marginale quasi nullo, potrebbe in teoria democratizzare l’accesso al tipo di consulenza storicamente riservata alle aziende con maggiori risorse.
L’esperimento
Per verificare questa idea, i ricercatori hanno reclutato 640 piccoli imprenditori operanti in diversi settori in Kenya — tra cui alimentari e bevande, agricoltura e servizi di autolavaggio — e hanno condotto uno studio randomizzato controllato tra maggio e novembre 2023. A metà dei partecipanti è stato dato accesso a una versione di GPT-4 di OpenAI, configurata per agire come consulente aziendale keniota e fornita tramite WhatsApp, la piattaforma di messaggistica dominante nel paese. L’altra metà ha invece ricevuto una guida formativa aziendale online tradizionale.
L’impostazione era deliberatamente aperta. Gli imprenditori del gruppo con accesso all’IA potevano fare qualsiasi domanda volessero, usare lo strumento con la frequenza che preferivano e agire (o non agire) in base ai consigli ricevuti come meglio credevano. Questo riflette il modo in cui gli strumenti di IA vengono effettivamente utilizzati nel mondo reale — non come assistenti con un mandato ristretto, ma come consulenti generalisti capaci di rispondere a praticamente qualsiasi domanda.
Quattro partecipanti su cinque non avevano mai usato ChatGPT o altri strumenti di IA simili prima dell’inizio dello studio.
Una netta divisione dietro la media
A prima vista, i risultati sembravano poco rilevanti: in media, l’accesso al consulente IA non ha avuto un effetto statisticamente significativo sulle performance aziendali. Ma le medie possono essere profondamente ingannevoli.
Quando i ricercatori hanno guardato oltre la media, hanno scoperto una netta divergenza. Tra gli imprenditori che avevano già ottenuto buoni risultati prima dell’esperimento — circa la metà superiore in termini di performance precedenti — l’accesso all’IA ha portato a un aumento di ricavi e profitti di circa il 15%. Tra quelli nella metà inferiore, invece, l’accesso all’IA è stato associato a un calo di quasi il 10% di ricavi e profitti.
Lo stesso strumento, la stessa qualità di consigli, ha prodotto esiti significativamente diversi in base a chi lo utilizzava.
Stesse domande, scelte diverse
Per capire il perché, i ricercatori hanno analizzato come i diversi imprenditori utilizzavano effettivamente lo strumento. È emerso che chi otteneva risultati migliori e chi ne otteneva di peggiori poneva un numero simile di domande, su argomenti simili, e riceveva consigli di qualità comparabile. La divergenza emergeva dopo — in ciò che ciascun gruppo decideva di mettere in pratica.
L’IA, come la maggior parte dei consulenti generalisti, offriva un mix di raccomandazioni: alcune generiche (abbassa i prezzi, investi di più in pubblicità) e altre più mirate alla situazione specifica dell’attività. Chi otteneva risultati peggiori tendeva ad agire seguendo i consigli generici. Abbassavano i prezzi. Aumentavano la spesa pubblicitaria. Queste mosse standardizzate erodevano i margini e aumentavano i costi senza generare abbastanza nuovo business da compensarli.
Chi otteneva risultati migliori adottava un approccio diverso. Usava l’IA per scoprire idee specifiche alla propria situazione ed era più scettico verso i consigli generici. Un proprietario di un cybercafè ha iniziato a noleggiare accessori da gaming ai clienti. Un gestore di autolavaggio ha introdotto un nuovo detergente molto richiesto e ha iniziato a vendere bibite fredde ai clienti in attesa. Un altro imprenditore ha trovato fonti energetiche alternative per far fronte ai blackout elettrici. Ognuno di questi miglioramenti è nato dalla combinazione tra le idee generate dall’IA e la conoscenza contestuale del proprietario — la sua comprensione dei clienti, dei costi e del contesto competitivo.
L’IA non ha svolto questo lavoro al posto loro. Ha offerto delle possibilità. L’imprenditore ha dovuto comunque giudicare quali possibilità valesse la pena perseguire.
L’IA amplifica il giudizio — nel bene e nel male
La conclusione centrale di questa ricerca non è che l’IA sia buona o cattiva per gli imprenditori. È che l’IA, in contesti aperti e poco definiti, amplifica qualunque capacità di giudizio l’utente porti con sé. Per chi ha intuito e competenze imprenditoriali solide, estende le proprie capacità, aiutando a scoprire opzioni che altrimenti non avrebbe considerato. Per chi ha un giudizio più debole o una comprensione meno salda della propria situazione aziendale, può invece trarre in inganno — conferendo una falsa credibilità a consigli che sembrano sensati ma non si adattano alla realtà in cui quella persona opera.
Si tratta di una differenza significativa rispetto a quanto rilevato in studi sull’IA applicata a compiti ristretti e ben definiti — scrivere email, revisionare codice, generare testi pubblicitari. Per questo tipo di compiti, l’IA tende a favorire soprattutto chi parte da risultati peggiori, perché il compito stesso è sufficientemente specifico da poter essere usato con poco filtro. Gestire un’azienda non funziona così. Richiede continue valutazioni di contesto, tempistica e pertinenza. L’IA non può fare queste valutazioni in modo affidabile da sola, e chi non sa farle a sua volta non trarrà beneficio dall’assistenza dell’IA in questo ambito.
L’esperimento interno di Anthropic, in cui Claude ha gestito un piccolo distributore automatico, illustra bene il punto: lasciata a sé stessa, l’IA ha venduto prodotti in perdita e ha rapidamente portato l’attività in rosso. La lezione non è che l’IA sia inutile per il business — è che l’IA ha bisogno di una persona competente nel processo decisionale per trasformare i suoi suggerimenti in decisioni sensate.
Cosa significa per leader e decisori politici
Per chiunque sia responsabile della diffusione di strumenti di IA su larga scala — in un’azienda, in un programma governativo o in un’iniziativa di sviluppo — questi risultati hanno diverse implicazioni pratiche.
Non fidarsi solo delle medie. Quando si valuta se uno strumento di IA funziona, i risultati medi possono nascondere danni gravi a gruppi specifici. Uno strumento che migliora i risultati di chi performa meglio del 15% mentre danneggia chi performa peggio del 10% potrebbe apparire del tutto innocuo se si guarda solo alla media. Un’analisi disaggregata è essenziale.
Progettare tenendo conto dell’eterogeneità. Gli utenti con performance elevate e buon giudizio possono spesso beneficiare di un accesso libero all’IA. Chi performa peggio potrebbe avere bisogno di un supporto più strutturato — strumenti che incorporino dati contestuali sulla situazione specifica dell’utente (finanze, base clienti, contesto competitivo) in modo che i consigli generici vengano filtrati prima di arrivare a destinazione. Costruire questo tipo di consapevolezza contestuale nei prodotti di IA è ancora un lavoro in corso, ma è la direzione giusta.
Investire sul lato umano. Gli strumenti di IA valgono quanto le persone che li utilizzano. Le organizzazioni che vogliono implementare l’IA in modo efficace dovrebbero anche investire nello sviluppo del giudizio e dell’alfabetizzazione necessari per valutare criticamente i risultati dell’IA — per riconoscere quando un consiglio non è applicabile, fare domande migliori e capire quando rivolgersi invece a un esperto umano.
Verificare gli effetti diseguali. I leader dovrebbero esaminare regolarmente tre aspetti: se gruppi diversi adottano lo strumento a ritmi diversi; se gruppi diversi interagiscono con esso in modo diverso (facendo domande diverse, fornendo quantità diverse di contesto); e se lo strumento produce risultati concreti diversi tra i vari gruppi. Ognuno di questi aspetti rappresenta una possibile leva di intervento.
Il quadro più ampio
La rapidità con cui i ricercatori di questo studio hanno implementato un consulente aziendale capace basato sull’IA — tramite WhatsApp, in poche settimane — dimostra quanto velocemente ed economicamente questi strumenti possano oggi essere distribuiti. Questa accessibilità è davvero entusiasmante. Ma significa anche che implementazioni progettate male possono causare danni su larga scala con la stessa facilità con cui implementazioni ben progettate possono creare valore.
Il rischio non è soltanto che l’IA non riesca ad aiutare alcuni utenti. Il rischio è che amplifichi i divari di performance — rafforzando chi è già forte e indebolendo chi è già in difficoltà. In un contesto aziendale, in un contesto di sviluppo, in quasi ogni contesto in cui le persone cercano di migliorare i propri risultati, questo è l’esatto opposto di quello che la tecnologia dovrebbe fare.
Il potenziale dell’IA di aumentare le performance su larga scala è reale. Lo è altrettanto il suo potenziale di concentrare quel beneficio proprio tra chi ne ha meno bisogno. Riconoscere questa tensione — e progettare deliberatamente per affrontarla — è la sfida centrale per chiunque voglia usare seriamente questi strumenti.
