Oltre l’interfaccia

Ogni rivoluzione tecnologica sembra suggerire la stessa conclusione, ovvero che imparare a utilizzare un nuovo strumento equivalga ad acquisire una nuova competenza. È un’impressione comprensibile, ma profondamente ingannevole. La storia della tecnica mostra infatti un percorso molto diverso. Ogni innovazione modifica gli strumenti attraverso cui agiamo sul mondo, ma non sostituisce le capacità cognitive che ci permettono di comprenderlo.
La scrittura non ha eliminato la necessità di pensare, così come la stampa non ha trasformato automaticamente ogni lettore in uno studioso. Il computer non ha sostituito il ragionamento matematico e Internet non ha reso superflua la capacità di valutare criticamente le informazioni. Non a caso Walter Ong intitolava un capitolo del suo studio sulla parola proprio “La scrittura è una tecnologia” (Ong, Oralità e scrittura, trad. it. A. Calanchi, il Mulino, 1986), un’affermazione che al suo tempo suonava provocatoria, e che oggi aiuta a inquadrare correttamente anche l’IA generativa. L’Intelligenza Artificiale generativa rappresenta l’ultimo capitolo di questa lunga storia: rende più accessibili alcune operazioni, ma non modifica la natura della competenza che continua a renderle significative.

Dal punto di vista antropologico, la tecnica non è mai stata semplicemente un insieme di strumenti. È il modo attraverso cui gli esseri umani hanno progressivamente esteso le proprie capacità cognitive e materiali oltre i limiti biologici. La scrittura ha esternalizzato la memoria, le mappe hanno esternalizzato l’orientamento, gli strumenti ottici hanno ampliato la vista e il computer ha reso possibile delegare enormi quantità di calcolo. È lo stesso meccanismo che Leroi-Gourhan chiamava esteriorizzazione: tutta l’evoluzione umana contribuisce a porre fuori dell’uomo ciò che nel resto del mondo animale resta vincolato all’adattamento biologico (Leroi-Gourhan, Il gesto e la parola, vol. II, trad. it. F. Zannino, Einaudi, 1977). L’Intelligenza Artificiale generativa introduce una trasformazione ulteriore: rende possibile esternalizzare una parte della produzione simbolica. Testi, immagini, codice e contenuti non vengono più soltanto prodotti dall’essere umano, ma emergono da una collaborazione tra intenzionalità umana e processi algoritmici. Questo cambiamento, tuttavia, non rende meno importante il ruolo dell’essere umano. Al contrario, sposta il valore della competenza dalla produzione materiale alla definizione degli obiettivi, alla formulazione delle domande, alla valutazione critica delle risposte e all’assunzione di responsabilità rispetto ai risultati ottenuti.

Strumento, tecnologia e competenza
Nel dibattito pubblico questi tre termini vengono spesso utilizzati come sinonimi, ma indicano livelli profondamente differenti. Lo strumento è l’oggetto concreto con cui operiamo; oggi può chiamarsi ChatGPT, Claude, Gemini o Midjourney, domani avrà probabilmente un altro nome. La tecnologia è invece l’insieme di principi, procedure e metodi che consentono di utilizzare strumenti differenti per raggiungere uno scopo. La competenza rappresenta il livello più profondo, è la capacità di comprendere un problema, progettare un processo, valutarne gli esiti e adattarsi quando gli strumenti cambiano. Se una competenza scompare nel momento in cui viene sostituita un’interfaccia, probabilmente non era una competenza ma una semplice familiarità operativa.

L’illusione della competenza

L’errore più comune nell’avvicinarsi alle nuove tecnologie è confondere la facilità d’uso dell’interfaccia con la reale padronanza della disciplina. Il fenomeno può nascere dall’intreccio di tre fattori, un bias cognitivo (la sopravvalutazione delle proprie capacità), il design delle interfacce che nasconde la complessità tecnica e l’automazione dell’IA, che produce risultati di alta qualità con uno sforzo minimo. Ottenere un’immagine o un testo ben formulato al primo tentativo grazie all’IA può generare l’impressione di possedere una competenza che, in realtà, risiede in larga parte nell’algoritmo che ha prodotto quel risultato.

Questa percezione è rafforzata dal modo in cui sono progettate le interfacce contemporanee. Gran parte degli applicativi di IA è costruita per ridurre l’attrito cognitivo: l’utente deve compiere il minor numero possibile di operazioni, ricevendo risultati complessi attraverso interazioni estremamente semplici. Dal punto di vista dell’esperienza d’uso, è un successo progettuale. Dal punto di vista formativo, però, questa semplicità può diventare ingannevole, perché rende invisibile la complessità del processo sottostante e favorisce la convinzione che la facilità dell’operazione coincida con la padronanza della disciplina.

Il velo e l’aruspice

C’è un parallelo che la storia delle religioni conosce bene, utile a comprendere questa dinamica. Nella pratica divinatoria etrusco-romana l’aruspice non riceveva un messaggio già formulato, ma leggeva i visceri di un animale sacrificato, in particolare il fegato, la cui superficie era suddivisa in zone corrispondenti alle diverse regioni del cosmo. Da quella lettura tecnica, incomprensibile a chiunque non fosse stato addestrato, ricavava un verdetto pubblico e chiaro. Chi riceveva il responso non vedeva il fegato, non conosceva la grammatica simbolica che ne guidava l’interpretazione, non poteva verificare il passaggio dal dato grezzo alla sentenza finale. Riceveva soltanto l’esito, rivestito dell’autorità che l’intera procedura gli conferiva. La relazione che si instaura oggi con un modello linguistico non è concettualmente troppo distante da questo schema. Il modello attraversa un processo del tutto opaco a chi lo interroga, miliardi di parametri e trasformazioni statistiche che nessun utente, e in fondo nessun singolo tecnico, può realmente vedere nella loro interezza. Restituisce poi un enunciato fluente, sicuro di sé, privo di esitazioni. È proprio questa sicurezza espositiva, questa assenza di titubanza nel tono, a generare fiducia. Non stiamo valutando la qualità del ragionamento sottostante, che ci resta inaccessibile, ma la qualità retorica della superficie. Come il consultante antico davanti al verdetto dell’aruspice, giudichiamo la risposta dalla forma in cui ci raggiunge, non dal processo che l’ha prodotta. La differenza, tuttavia, è significativa. L’aruspice dichiarava apertamente la natura tecnica e sacra della propria pratica. La lettura dei visceri richiedeva anni di formazione, apparteneva a un collegio riconosciuto e nessuno avrebbe preteso di interpretare un fegato senza un lungo addestramento. Proprio per questo la mediazione restava un passaggio culturalmente visibile, riconosciuto come tale da chi vi si sottoponeva. L’interfaccia contemporanea si presenta invece come trasparente e immediata: parla la nostra lingua, risponde in prima persona, imita la naturalezza di un interlocutore comune. Questo travestimento colloquiale rende il velo più insidioso di quello antico, proprio perché non sembra esserci alcun velo. Eppure la distanza tra domanda e risposta resta attraversata da un processo tanto tecnico e inaccessibile quanto quello che separava il consultante dal fegato sacrificale. Solo che oggi manca il collegio sacerdotale a ricordarcelo, e con esso è venuta meno anche l’abitudine culturale a chiedersi come si sia arrivati a quella risposta. Riconoscere questa struttura non significa svalutare lo strumento, così come riconoscere la mediazione tecnica dell’aruspice non svalutava la domanda di senso di chi si rivolgeva a lui. Significa piuttosto recuperare un gesto che le culture religiose hanno sempre praticato con maggiore consapevolezza di quanta ne applichiamo oggi alle macchine: la distinzione tra l’autorità di una risposta e la verifica della sua fondatezza.

Tuttavia, imparare un mestiere non significa limitarsi a padroneggiare un singolo applicativo informatico. Quando si investe tempo nell’apprendimento di uno strumento basato sull’IA, è necessario chiedersi quanto delle logiche assimilate possa essere trasferito in contesti differenti.
Un fotografo continua a essere tale anche quando cambia software di sviluppo RAW, perché conosce i principi dell’esposizione, della luce e della composizione. Chi, invece, ha imparato soltanto la sequenza dei pulsanti di un determinato programma dovrà ricominciare ogni volta che l’interfaccia cambia. La differenza non risiede nello strumento, ma nella comprensione del processo fotografico.
Lo stesso principio vale per l’Intelligenza Artificiale. Se ciò che hai imparato non è almeno in parte trasferibile altrove, quella competenza resta fragile: hai imparato soprattutto a usare uno strumento, non ancora a governare un processo. Ed è proprio questa fragilità che rende l’utilizzatore dipendente dall’evoluzione delle piattaforme.

La dipendenza: tre forme di vulnerabilità

Dipendenza tecnica, ovvero, conosco un solo strumento.
Dipendenza cognitiva, ovvero non progetto più il lavoro e aspetto che l’IA suggerisca.
Dipendenza economica, ovvero l’intero mio flusso di lavoro dipende dalle decisioni di un’unica azienda. In pratica, sarebbe come se un docente che prepara tutte le proprie lezioni utilizzando esclusivamente un servizio cloud proprietario scoprisse, a seguito di una modifica delle condizioni d’uso o di un aumento dei costi, di non possedere procedure alternative. Il problema non è il cambiamento della piattaforma, ma l’assenza di un metodo indipendente dalla piattaforma stessa. L’assenza di un sistema di lavoro indipendente genera rischi diretti per la stabilità della propria produzione e definisce nuove asimmetrie sociali tra utente e corporazione tecnologica. Legare tutto il tuo lavoro a un solo fornitore non è semplicemente una scelta tecnica. È una relazione di potere. Nel panorama attuale, ci sono strumenti che ampliano la tua libertà e altri che ti rendono dipendente. Basare l’intera organizzazione personale o lavorativa su un servizio generativo che da un giorno all’altro può aumentare i prezzi, modificare le condizioni di utilizzo, rallentare o sparire, mentre tu non hai alternative, appartiene al secondo tipo. Al contrario, il controllo nasce invece dalla possibilità di scegliere. Di conseguenza, conoscere più strumenti di IA significa avere maggiore autonomia.

La dialettica come metodo

Una delle possibilità più interessanti offerte dall’IA non consiste nella rapidità con cui genera risposte, ma nella capacità di mettere alla prova le nostre convinzioni. Utilizzata in questo modo, essa smette di essere un semplice esecutore di richieste e diventa un interlocutore critico. Chiedere deliberatamente a un modello linguistico di formulare le migliori obiezioni contro una nostra idea significa esercitare una forma di indagine che richiama una lunga tradizione intellettuale: il dialogo come strumento di chiarificazione, la confutazione delle ipotesi come condizione per rafforzarle, il confronto tra interpretazioni alternative e la disponibilità a sottoporre le proprie conclusioni a un controllo critico continuo.
Vale la pena tornare, a questo punto, alla metafora dell’aruspice proposta in precedenza. Vi avevamo insistito sull’opacità del processo e sulla mediazione misteriosa tra domanda e risposta. Maurizio Ferraris offrirebbe una lettura diversa, quasi opposta: per lui non c’è nulla di misterioso nell’intelligenza artificiale, che non è un oracolo ma “il grande archivio dell’umanità” (Ferraris, intervista, Il Messaggero, 2021), non rivela un sapere ulteriore ma restituisce, statisticamente ricombinato, ciò che l’umanità ha già registrato di sé stessa. Se questo è vero, il velo di cui parlavamo non nasconde un mistero; nasconde soltanto la nostra stessa massa di tracce, resa irriconoscibile dalla scala del calcolo. Il che, a ben vedere, non rende la questione meno inquietante, ma semmai la sposta; non stiamo consultando un dio, stiamo consultando una versione compressa e anonima di noi stessi.
In questa prospettiva, il valore dell’IA non risiede nell’autorità delle sue risposte, ma nella qualità delle domande che ci costringe a riformulare. Ogni obiezione diventa un’occasione per verificare la solidità dei nostri argomenti e per distinguere ciò che sappiamo realmente da ciò che avevamo semplicemente dato per scontato. Se un ricercatore utilizza un modello linguistico non per scrivere un articolo, ma per individuare le possibili critiche metodologiche che un revisore anonimo potrebbe sollevare, l’IA non sostituisce il processo scientifico bensì ne rafforza il controllo critico.

In conclusione, le interfacce continueranno a cambiare. Cambieranno i modelli, i linguaggi, le aziende e perfino il lessico con cui descriviamo l’innovazione tecnologica. Ciò che rimarrà, come in ogni altra epoca della storia della tecnica, sarà la qualità del nostro pensiero. Gli strumenti possono ampliare le possibilità dell’azione umana, ma non sostituiscono la responsabilità di scegliere gli scopi, di costruire un metodo e di sottoporre continuamente le nostre convinzioni al confronto critico. La vera alfabetizzazione tecnologica non consiste quindi nel padroneggiare l’ultima piattaforma disponibile, bensì nel coltivare quella forma di autonomia intellettuale che rende possibile attraversare il cambiamento senza esserne guidati passivamente.

Esercizio Pratico: La Palestra Dialettica

(Come usare l’IA per smontare le tue stesse certezze)

La maggior parte delle persone interroga l’Intelligenza Artificiale per cercare conferme, risposte rapide o per farsi dare ragione. Questo esercizio serve a fare l’esatto contrario: useremo la macchina come un interlocutore critico per identificare i punti deboli del nostro stesso pensiero.

Scegli un’idea, un progetto di lavoro o un’opinione di cui sei fermamente convinto e apri una chat con un modello linguistico (come Gemini o ChatGPT).

Fase 1: La provocazione (Impostare il “Ring”)

Non chiedere all’IA cosa pensa della tua idea. Obbligala invece ad assumere un ruolo critico e rigoroso. Copia e incolla questo prompt, personalizzando la parte tra parentesi quadre:

“Agisci come un severo e preparato revisore accademico, esperto in logica e analisi dei processi. Voglio proporti un’idea e il tuo unico compito è trovare le falle logiche, i punti deboli, i bias cognitivi e i dati non dimostrati che ho dato per scontati. Sii spietatamente costruttivo.

La mia tesi è questa: [Inserisci qui la tua idea. Es: Lavorare da remoto cinque giorni su cinque è l’unica via per garantire la produttività e il benessere dei dipendenti].”

Fase 2: Analisi dei punti deboli

La macchina ti restituirà una lista di obiezioni strutturate. Non metterti subito sulla difensiva.

• Leggi attentamente i punti sollevati.

• Quali di queste obiezioni toccano aspetti che avevi effettivamente ignorato o dato per scontati?

• C’è una critica in particolare che trovi stimolante o difficile da confutare?

Fase 3: Il contro-dibattito

Ora rispondi alla macchina difendendo la tua posizione, ma integrando le nuove riflessioni. Ad esempio:

“Capisco l’obiezione sul rischio di isolamento sociale dei dipendenti, ma penso che possa essere risolta organizzando momenti di incontro mensili. Come risponderesti a questa contromisura? Trova un punto debole anche in questa soluzione.”