Post di Alexio Cassani, CEO & Founder di FairMind –

Un recente studio del MIT ha rivelato un fenomeno preoccupante: l’uso intensivo di ChatGPT per la scrittura riduce significativamente l’attivazione neurale, compromettendo memoria, creatività e senso di ownership del lavoro prodotto. Attraverso analisi EEG su 54 partecipanti, i ricercatori hanno documentato quello che chiamano “debito cognitivo” – una diminuzione delle connessioni neurali che si accumula quando deleghiamo processi mentali complessi agli algoritmi.

Ma cosa significa questo per le aziende che stanno integrando l’AI generativa nei loro processi di sviluppo e innovazione? E come possiamo sfruttare questi strumenti senza compromettere la nostra capacità di pensiero critico?

Proviamo ad analizzare tre condizioni diverse e declinarle nel mondo professionale.

L’Architettura Cognitiva Ibrida: Quando Delegare e Quando No

Nel mondo dello sviluppo software, ad esempio, la tentazione di usare l’AI per tutto è irresistibile. GitHub Copilot (uno dei tanti assistenti in grado di generare codice software tramite prompt in linguaggio naturale) può progettare intere funzionalità automaticamente, ChatGPT può scrivere la documentazione tecnica. Claude, infine, può progettare soluzioni software complete. Tuttavia, lo studio del MIT suggerisce un approccio più ibrido.

Fase “Brain-Only” per la Progettazione: Quando si deve progettare l’architettura di un nuovo sistema software – cioè decidere come strutturare un’applicazione, quali componenti serviranno e come comunicheranno tra loro – il pensiero umano autonomo è fondamentale. È in questa fase creativa che emergono soluzioni innovative, approcci originali, compromessi intelligenti tra diverse esigenze. Il cervello umano, libero da suggerimenti algoritmici, attiva quelle reti neurali associate alla creatività e alla risoluzione di problemi complessi.

Fase “AI-Assisted” per la Realizzazione: Una volta definita la struttura generale, l’AI può accelerare la scrittura del codice vero e proprio, la generazione di test automatici per verificare che tutto funzioni, la creazione della documentazione. Qui il debito cognitivo è minimale perché stiamo semplicemente traducendo in codice decisioni già prese autonomamente.

Ho visto team implementare quello che chiamano “Architecture First Protocol” – un protocollo che dà priorità alla progettazione. Ogni nuova funzionalità parte con una sessione di design completamente analogica: lavagna bianca, post-it colorati, discussioni faccia a faccia. Solo dopo aver chiarito l’approccio e disegnato la soluzione a mano, si introducono gli strumenti AI a partire da foto scattate con gli smartphone di quanto prodotto su carta per accelerare la fase di sviluppo vera e propria.

Nel mondo dello sviluppo software, ad esempio, la tentazione di usare l’AI per tutto è irresistibile. Con quali conseguenze?  (Designed by Freepik)

Product Discovery: Sfuggire alla Convergenza Algoritmica

Il fenomeno dell’omogeneizzazione delle idee documentato dal MIT assume una dimensione ancora più critica quando osservato attraverso la lente di un secondo studio condotto da Harvard Business School con Procter & Gamble (“The Cybernetic Teammate”). Questa ricerca su larga scala ha coinvolto 776 professionisti e ha rivelato come l’AI possa effettivamente sostituire alcune funzioni collaborative umane, ma con conseguenze inaspettate sulla diversità creativa.

Lo studio di Harvard ha coinvolto 776 professionisti divisi in quattro gruppi: individui senza AI, team umani senza AI, individui con AI, e team umani con AI. I risultati sono sorprendenti: gli individui che lavoravano con l’AI hanno raggiunto livelli di performance comparabili ai team tradizionali, suggerendo che l’intelligenza artificiale può replicare alcuni benefici della collaborazione umana.

Nel product discovery, cioè la ricerca di nuovi prodotti, questa dinamica crea un paradosso. Da un lato, l’AI democratizza l’expertise – professionisti senza esperienza specifica in sviluppo prodotto riescono a generare soluzioni bilanciate quanto quelle di team cross-funzionali esperti. Dall’altro, aumenta il rischio di convergenza algoritmica: se tutti usano gli stessi LLM per il brainstorming, rischiamo di convergere verso le stesse soluzioni “ovvie”.

Strategia di Diversificazione Cognitiva:

• – Round 1 – Divergenza Umana: Sessioni di ideazione completamente umane, sfruttando quelli che Harvard definisce “divisioni funzionali”, tipiche di ruoli diversi, come commerciali e tecnici, che pensano in modo altrettanto diverso.
• – Round 2 – Validazione AI: Uso dell’AI per analizzare fattibilità, identificare gap, suggerire varianti – replicando quella “convergenza assistita” che lo studio P&G ha dimostrato essere efficace.
• – 3 – Sintesi Ibrida: Combinazione delle intuizioni umane diverse con gli insight algoritmici comuni.

L’esperimento di Harvard ha rivelato un pattern interessante: senza AI, i team mostravano chiare divisioni funzionali – gli specialisti R&D proponevano soluzioni tecniche, i commerciali soluzioni market-oriented. Con l’AI, questa diversità scompariva – tutti producevano soluzioni bilanciate ma simili. Per il product discovery, questo significa che dobbiamo progettare deliberatamente processi che mantengano la ricchezza della diversità umana mentre sfruttiamo la potenza dell’AI.

Neuroplasticità Professionale: Allenare il Cervello nell’Era AI

Il paper evidenzia come i partecipanti che hanno usato ChatGPT mostravano reti neurali meno sviluppate quando poi dovevano lavorare autonomamente. Questo suggerisce che dobbiamo “allenare” attivamente le nostre capacità cognitive per evitare di perdere competenze fondamentali.

Come applicare il “Fitness Cognitivo” quando si parla di creazione contenuti:

• Ideazione Pura: Sviluppare campagne partendo da fogli bianchi, senza consultare AI o ricerche online
• Scrittura Originale: Creare testi pubblicitari basandosi solo su intuizioni umane e connessioni creative personali
• Brainstorming Analogico: Sessioni creative dove i team affrontano sfide di brand usando lavagne e post-it, non schermi

L’obiettivo è alternare momenti di produzione “brain-only” – dove creativi e copywriter sviluppano concetti partendo dalle proprie intuizioni – con fasi di ottimizzazione AI-assistita. Questo approccio mantiene viva la capacità di generare connessioni inaspettate che distinguono davvero i brand dalla massa crescente di contenuti algoritmicamente simili.

Delegare troppo all’AI oggi significa costruire team meno capaci di innovare domani. È un investimento al contrario – guadagniamo velocità nel breve termine ma perdiamo originalità nel lungo periodo.

Il Paradosso dell’Efficienza Innovativa

La vera sfida è bilanciare velocità e originalità. L’AI ci rende più veloci, ma il pensiero umano ci rende più originali. La chiave è progettare workflow che massimizzino entrambi, ad esempio:

1. – Ideazione Brain-Only (20% del tempo): Pensiero creativo non assistito
2. – Ricerca AI-Augmented (30% del tempo): Analisi di mercato e fattibilità con AI
3. – Prototipazione Assistita (40% del tempo): Sviluppo rapido con strumenti AI
4. – Validazione Umana (10% del tempo): Review critica finale senza AI

Questo approccio riconosce che l’innovazione vera nasce dall’imprevedibilità del pensiero umano, ma può essere accelerata dalla potenza computazionale dell’AI.

L’AI ci pone davanti a un paradosso antico: più potenti diventano i nostri strumenti, più rischiamo di perdere le competenze che ci hanno permesso di crearli. Ma forse è proprio questa tensione tra efficienza e originalità che definirà i leader del futuro – coloro che sapranno danzare tra algoritmo e intuizione, senza mai perdere il ritmo della propria umanità creativa.