L'esocervello vale quanto il contesto che gli dai

Nell’agosto del 2022, NetDragon Websoft ha nominato un’AI di nome Tang Yu come direttore generale di una sua controllata. Un’azienda cinese di videogiochi, non una startup in cerca di visibilità. Nei sei mesi successivi, il titolo in borsa è salito di circa il 10%, mentre l’indice Hang Seng è sceso del 3%.

Quello che rende questo caso più interessante della maggior parte degli esempi sull’AI è ciò che non spiega. Tang Yu non prendeva decisioni nel vuoto: operava all’interno di un’azienda reale, con dati operativi reali, anni di storia del prodotto e del mercato, e un team umano che aveva costruito qualcosa di abbastanza coerente da poter essere affidato a un sistema esterno.

L’AI era la superficie. La strategia era umana.

Il caso HustleGPT

Nel marzo del 2023, Jackson Greathouse Fall ha dato 100 dollari a GPT-4 con l’istruzione di costruire un business. Il progetto si chiamava HustleGPT, e la challenge più ampia è poi stata raccolta in un repository pubblico. Il modello ha scelto l’affiliate marketing per prodotti eco-friendly, registrato un dominio, generato un logo, allocato budget per annunci social. L’interesse è stato immediato. Il progetto ha attirato promesse di investimento su una valutazione teorica di circa 25.000 dollari, ma non è stata registrata nessuna vendita reale. Il risultato concreto: circa 1.378 dollari in liquidità e impegni, alimentati per lo più dall’hype.

Il confronto con Tang Yu non è completamente equo. Uno aveva un’azienda vera, l’altro un prompt da 100 dollari. Ma è esattamente questo il punto.

Il divario tra i due casi non era la capacità del modello. Era il contesto che il modello aveva a disposizione. Tang Yu operava su dati costruiti nel tempo. HustleGPT aveva un prompt.

Su cosa si compete davvero

Il concetto di esocervello viene dalla teoria della mente estesa in filosofia: l’idea che i processi cognitivi non si fermino al confine del cranio. Un taccuino che esternalizza la memoria diventa davvero parte di come pensiamo. Una calcolatrice non è separata dal ragionamento, ne è un’estensione. L’argomento è che l’AI sia una versione più potente di questo meccanismo.

Questa prospettiva è utile. Sposta l’AI da “strumento che uso ogni tanto” a “estensione del modo in cui lavoro”. Ma apre una domanda che il concetto da solo non risolve.

Oggi tutti hanno accesso più o meno alle stesse capacità AI. I modelli sono disponibili. Le integrazioni sono disponibili. Se l’esocervello è il vantaggio competitivo, e tutti ce l’hanno, quel vantaggio si è già dissolto.

Su cosa si compete, allora? Sulla qualità di quello che ci metti dentro.

Non la pagina dei valori aziendali. Non la missione. Il ragionamento reale: le scelte difficili che hai fatto, le cose che hai capito sul tuo mercato dopo anni di lavoro, i modelli mentali che vivono nella testa delle persone perché non sono mai stati scritti da nessuna parte.

Questo non è distribuito in modo uniforme.

La versione pratica

Per un team, adottare AI senza investire nel rendere leggibile la propria strategia produce output generici ad alta velocità. Un modello può scrivere un documento di posizionamento in pochi minuti. Se l’input è un brief vago, l’output è un documento vago che suona convincente.

Le organizzazioni che ottengono di più da questa tecnologia non sono necessariamente quelle che la adottano prima. Sono quelle che hanno abbastanza strategia codificata da avere qualcosa di reale da metterci dentro.

Non è un problema nuovo. È lo stesso problema che la buona gestione della conoscenza ha sempre posto: rendere esplicito ciò che è implicito. La differenza è che ora il divario tra implicito ed esplicito ha un effetto diretto sulla qualità di tutto ciò che il tuo AI produce.

La risposta pratica non è creare un prompt dump più grande. È decidere quale conoscenza merita di entrare nel sistema: posizionamento, vincoli, scelte prodotto, gerarchia delle fonti, esempi e regole per quando l’assistente deve rifiutare. Per questo l’esocervello si collega direttamente a strumenti o asset e all’AI-assisted delivery. Lo stesso modello può produrre lavoro generico o lavoro utile in base al materiale strategico che lo circonda.

Tang Yu ha sovraperformato un indice di borsa. HustleGPT ha generato 1.378 dollari. Entrambi giravano sui migliori modelli disponibili nel loro momento. Uno aveva una strategia vera alle spalle.