L’intelligenza artificiale moltiplica idee e scenari, ma può spingere aziende diverse verso strategie sempre più simili.
Le imprese stanno adottando l’intelligenza artificiale con una promessa molto chiara: produrre più idee, più velocemente, con costi inferiori. Marketing, strategia, innovazione, ricerca, customer care, sviluppo prodotto: in quasi ogni funzione aziendale i modelli generativi ampliano enormemente il numero di opzioni disponibili. A prima vista sembra il trionfo della varietà. Un team può chiedere cento slogan, dieci scenari, cinque proposte di posizionamento, tre strategie di ingresso in un mercato e ottenere tutto in pochi minuti. Il paradosso è che potremmo produrre una quantità senza precedenti di alternative servendoci di un numero molto ridotto di infrastrutture cognitive. E questa distinzione è fondamentale. La varietà degli output non coincide necessariamente con la varietà dei modi di pensare che li generano. Un supermercato può contenere migliaia di prodotti e restare dipendente da pochi grandi gruppi industriali; Internet può offrire miliardi di pagine che raggiungiamo attraverso un numero limitato di motori di ricerca. Con l’AI la stessa logica potrebbe arrivare dentro il cuore della strategia aziendale. Se migliaia di imprese utilizzano gli stessi modelli per sintetizzare informazioni, costruire scenari, analizzare clienti, formulare campagne e valutare opzioni, potrebbero diventare più efficienti proprio mentre iniziano a convergere sugli stessi schemi interpretativi. Il rischio non è che le macchine producano sempre la stessa risposta. È molto più sottile: che rendano statisticamente più naturali certe domande, più plausibili certe alternative e più familiari certi modi di strutturare un problema.
Per il management questo punto conta moltissimo perché il vantaggio competitivo nasce spesso dalla capacità di vedere qualcosa che gli altri non vedono. Un’azienda crea valore quando interpreta un mercato in modo diverso, riconosce prima degli altri un bisogno, legge un segnale debole, rompe una convenzione di settore. Ma se la fase di esplorazione strategica viene mediata sempre più spesso dagli stessi modelli, alimentati da enormi porzioni della stessa cultura economica, manageriale e digitale, il rischio è quello di una standardizzazione morbida della strategia. Nessuno impone una dottrina. Nessun algoritmo ordina a due imprese di fare la stessa cosa. Eppure possono emergere strutture ricorrenti: analisi simili, framework simili, linguaggi simili, combinazioni di opzioni che si ripresentano con frequenza. È un fenomeno particolarmente insidioso perché non appare come uniformità. Al contrario, ciascuna azienda riceve risposte apparentemente personalizzate. Ma sotto la superficie può crescere una convergenza nei modi con cui i problemi vengono scomposti, le priorità selezionate e le alternative considerate. La personalizzazione dell’output può quindi convivere con una crescente omogeneizzazione dell’infrastruttura che produce quell’output. E quando la strategia diventa troppo simile, la competizione si sposta dal differenziarsi al semplice eseguire meglio, con il rischio di trasformare interi mercati in gare di efficienza.
Il problema diventa ancora più evidente nel marketing e nella creatività. Le aziende stanno usando sistemi generativi per produrre campagne, naming, immagini, copy, concept e storytelling. È un enorme acceleratore, ma anche qui la quantità può ingannare. Se migliaia di brand generano contenuti partendo dagli stessi modelli e da grandi corpus culturali simili, la moltiplicazione dei contenuti non garantisce la moltiplicazione delle sensibilità. La creatività davvero distintiva nasce spesso da biografie, errori, contaminazioni, ossessioni e riferimenti laterali che non appartengono necessariamente al centro statistico della cultura. Un modello eccelle nel riconoscere e combinare pattern; proprio per questo può spingerci verso ciò che è già leggibile, riconoscibile e plausibile. Per un’impresa è una comodità enorme, perché riduce il rischio di produrre qualcosa di incomprensibile. Ma il vantaggio competitivo spesso vive esattamente nella zona opposta: nell’idea che all’inizio appare strana, nel linguaggio che non assomiglia a quello del settore, nella proposta che viola una convenzione. Più l’AI diventa brava a produrre il plausibile, più il valore dell’improbabile può crescere. E qui si apre una conseguenza importante: le imprese potrebbero aver bisogno di conservare deliberatamente fonti di eccentricità cognitiva, persone e processi che introducano deviazioni, conflitto e prospettive non ottimizzate.
Lo stesso tema riguarda innovazione e ricerca. L’AI può esplorare letteratura, generare ipotesi, confrontare brevetti, individuare spazi di mercato e suggerire nuove combinazioni. È uno strumento straordinario. Ma se molte organizzazioni utilizzano sistemi simili per identificare le opportunità più promettenti, potrebbero concentrare l’attenzione sulle stesse aree proprio mentre credono di esplorare uno spazio molto più ampio. In finanza conosciamo bene gli effetti della convergenza: quando molti operatori adottano modelli simili, una strategia apparentemente razionale a livello individuale può produrre comportamenti collettivi fragili. Qualcosa di analogo potrebbe verificarsi sul piano cognitivo. Se gli stessi segnali vengono interpretati attraverso architetture simili, le imprese possono finire per inseguire gli stessi mercati, gli stessi segmenti e gli stessi investimenti. Il rischio non è soltanto una perdita di originalità. È anche una vulnerabilità sistemica. La biodiversità strategica funziona come una forma di resilienza: aziende che leggono il mondo in modo diverso reagiscono in modo diverso agli shock. Se invece le mappe cognitive convergono troppo, lo stesso errore può propagarsi in molti punti contemporaneamente.
Da qui nasce una questione che diventerà sempre più importante per i board: come si governa la diversità cognitiva in un’impresa che usa intensivamente l’AI? La risposta non può essere semplicemente utilizzare più modelli. Anche sistemi diversi possono condividere grandi porzioni di dati, logiche di addestramento e convenzioni culturali. Servono processi che producano dissenso reale. Significa confrontare esplicitamente interpretazioni diverse, introdurre dati locali e conoscenze proprietarie, conservare esperti con prospettive disciplinari lontane, chiedere a team diversi di formulare il problema prima di interrogare la macchina. Significa anche non utilizzare l’AI soltanto per convergere rapidamente sulla risposta migliore, ma per ampliare intenzionalmente lo spazio delle alternative. Un’organizzazione cognitivamente forte non è quella che arriva più in fretta al consenso, ma quella che riesce a evitare di confondere il consenso con la verità. In questa prospettiva, la diversità non è soltanto un tema culturale o HR. Diventa una variabile competitiva. Linguaggi differenti, esperienze diverse, competenze scientifiche e umanistiche, culture professionali lontane possono rappresentare un antidoto alla convergenza prodotta da infrastrutture sempre più standardizzate.
Il punto tocca infine il mercato stesso dell’intelligenza artificiale. La corsa attuale premia modelli sempre più potenti, generalisti e capaci di operare in domini differenti. È una traiettoria comprensibile, ma dal punto di vista economico potrebbe essere altrettanto importante mantenere pluralità di modelli, dati, lingue, culture e specializzazioni. Un ecosistema composto da pochi sistemi dominanti è estremamente efficiente, ma può diventare fragile se milioni di decisioni aziendali iniziano a essere filtrate dalle stesse infrastrutture. Per alcune organizzazioni potrà quindi essere razionale investire in modelli verticali, sistemi proprietari, basi dati specifiche e architetture costruite attorno alla propria cultura decisionale. Non soltanto per ragioni di sicurezza o riservatezza, ma per evitare che il proprio vantaggio competitivo venga lentamente assorbito dentro la stessa grammatica strategica dei concorrenti. L’AI dovrebbe aumentare il numero di cose che un’impresa può immaginare, non ridurre il numero dei modi attraverso cui riesce a immaginarle.
La sfida dei prossimi anni non sarà quindi soltanto produrre più contenuti, più analisi e più scenari. Sarà evitare che l’abbondanza degli output ci faccia scambiare la quantità delle alternative per la diversità dei punti di vista. Un’azienda può ricevere cento idee da una macchina e restare intrappolata dentro un unico modo di guardare il mercato. Può generare mille strategie e non accorgersi che tutte condividono gli stessi presupposti. Il rischio più interessante dell’AI non è che le imprese smettano di pensare, ma che imparino tutte a pensare molto bene nello stesso modo. In un’economia in cui strumenti simili saranno disponibili a tutti, il vantaggio competitivo potrebbe tornare a una risorsa antichissima: la capacità di vedere il mondo da un’angolazione che gli altri non hanno ancora considerato.
Il prof. Carlo Maria Medaglia è delegato del Rettore per la Terza Missione, Innovazione Didattica ed Intelligenza Artificiale, presidente della Commissione Spin Off e presidente della Commissione Rapporti con gli Enti Esterni dell’UNIVERSITÀ DEGLI STUDI TELEMATICA IUL