Esiste un confine invisibile che separa chi usa l’IA come un cercatore di informazioni e chi la usa come un motore di trasformazione radicale. Se la tua interazione con questi modelli si limita a chiedere a Copilot di sistemare una mail o a leggere il riassunto in cima ai risultati di Google, potresti sinceramente credere che la tecnologia sia in una fase di stagnazione. La verità è che mentre il grande pubblico osserva una linea piatta, sotto la superficie sta avvenendo un’accelerazione che sembra comprimere un secolo di evoluzione in pochi mesi.
C’è un gradiente informativo profondo in questo momento storico. Da una parte ci sono i laboratori di ricerca e i programmatori che lavorano con i modelli ‘frontier’, dove ogni limite tecnologico che sembrava insormontabile viene abbattuto in poche settimane. Dall’altra, c’è una massa di utenti che non si accorge che ciò che oggi richiederebbe ore di lavoro, tra un paio d’anni sarà istantaneo e praticamente gratuito. È una discrepanza che crea un vantaggio competitivo enorme per chi sa padroneggiare lo strumento, non solo per usarlo.
Ma attenzione: questa potenza scomputabile porta con sé un effetto collaterale non trascurabile. La facilità con cui si può generare codice o contenuti di qualità sta creando una nuova ondata di ‘falsificazione’ digitale. È un po’ come quello che sta succedendo nel mondo dei board game online: nelle classifiche più alte di titoli popolissimi, i cheater stanno prendendo il sopravvento perché le piattaforme non hanno gli strumenti per contrastarli. Nell’informatica sta succedendo la stessa cosa. Non è solo una questione di etica, ma di capacità di distinguere il vero dal contraffatto.
Qui entra in gioco il paradosso del professionista. Spesso si parla di ‘benchmark’ pubblici per misurare quanto un modello sia bravo, ma questi test sono quasi inutili per chi fa lavoro serio. A noi non interessa sapere se l’IA sa risolvere un compito banale che chiunque saprebbe fare; ci interessa capire quanto sia brava in quei task complessi dove serve ancora la guida umana, quella capacità di gestire l’ambiguità e la logica strutturata.
Paradossalmente, in questo scenario, possedere le competenze tecniche classiche non ti rende obsoleto, ma ti rende molto più potente. Saper distinguere un codice generato male da uno strutturato correttamente è la nuova competenza fondamentale. Come diceva Max Bittker, i modelli sono maestri nel contraffare; il vero valore oggi sta nel saper riconoscere l’originale e saper guidare la macchina verso l’eccellenza, invece di limitarsi a subire passivamente quello che il prompt restituisce.
Source: We should be more ambitious with the software we build