Qualche mese fa mi sono costruito un agente.

Niente di sofisticato. Era nato da un fastidio concreto: ogni volta che dovevo ragionare su una campagna — valutare un budget, capire se una struttura aveva senso, decidere dove spostare delle risorse — facevo sempre gli stessi passaggi mentali, e mi sono detto che potevo darli in pasto a un modello. Così ho messo insieme uno strumento. Gli passavo i dati, gli facevo domande, lui ragionava con me. Non decideva al posto mio: pensava accanto a me.

Era una cosa privata. Un attrezzo da bottega, di quelli che ci si costruisce quando si ha un problema specifico e, per la prima volta nella storia, si ha in mano una tecnologia abbastanza malleabile da risolverlo da soli. Non l’ho mai mostrato a nessuno. Non perché fosse un segreto — semplicemente non mi era venuto in mente che potesse interessare a qualcuno oltre me.

Poi, il 20 maggio, ho letto che Google ha annunciato Ask Advisor.

Un collaboratore basato sull’intelligenza artificiale, integrato nelle piattaforme pubblicitarie, che aiuta chi gestisce campagne a ragionare, valutare, decidere.

La stessa identica idea che mi ero costruito da solo nella mia bottega. Fatta dall’azienda pubblicitaria più grande del mondo, e messa nelle mani di milioni di persone.

Ho provato una sensazione strana, e difficile da nominare. Non era rivendicazione — non c’è niente da rivendicare, le idee semplici vengono a tutti contemporaneamente, è proprio questo il punto. E non era nemmeno fastidio. Era qualcosa di più sottile: la sensazione precisa di aver toccato con mano il momento in cui un’intuizione privata diventa infrastruttura pubblica.

È di questo che voglio scriverti oggi. Perché penso che sia il fenomeno più interessante di questo passaggio storico, e quello di cui si parla di meno.

Due aziende, due settimane, una sola visione

Facciamo un passo indietro e guardiamo le ultime settimane con un po’ di prospettiva.

Il 5 maggio OpenAI ha aperto la sua piattaforma pubblicitaria — quella che permette alle aziende di comparire dentro le conversazioni degli utenti di ChatGPT. Il 20 maggio, due settimane esatte dopo, Google ha presentato al suo evento annuale la propria visione: annunci che diventano risposte, formati pubblicitari che dialogano con l’utente, e Gemini — il loro modello — a fare da motore di tutto.

Due aziende che si combattono ferocemente per lo stesso mercato. Due culture aziendali diverse. Due tecnologie sviluppate separatamente.

E un messaggio identico.

Te lo mostro con le loro parole, perché è quasi commovente nella sua sincronia. OpenAI, descrivendo le sue pubblicità, insiste su un principio che chiama “indipendenza della risposta”: l’annuncio non altera ciò che l’intelligenza artificiale dice, resta separato, riconoscibile, onesto. Google, descrivendo i suoi nuovi formati, usa l’espressione “risposta coerente e indipendente”: il sistema valuta il prodotto in modo trasparente, accanto al messaggio dell’inserzionista, senza confondersi con esso.

Stessa idea. Stessa parola. Indipendente.

Quando due rivali che non si parlano arrivano, nello stesso mese, a usare lo stesso vocabolario per descrivere la stessa cosa, succede qualcosa di importante. Smette di essere la scommessa di un’azienda. Diventa la direzione di un settore. Diventa, semplicemente, il modo in cui le cose saranno.

E questo cambia il peso di tutto. Una novità si può ignorare, aspettando di vedere se attecchisce. Una direzione no. Una direzione si può solo anticipare o subire.

Cosa sta davvero cambiando

Provo a dirlo senza gergo, perché il gergo qui nasconde più di quanto riveli.

Per venticinque anni la pubblicità digitale ha funzionato così: la persona faceva una domanda corta — due, tre parole in un motore di ricerca — e tu, azienda, compravi il diritto di apparire accanto a quelle parole. Tutto il mestiere ruotava attorno a quelle parole. Indovinarle, comprarle, ottimizzarle.

Adesso le persone non fanno più domande corte. Fanno conversazioni. Raccontano una situazione, pongono un problema, aggiungono dettagli, chiedono di nuovo. Google stesso dice che le domande poste alla sua ricerca in modalità conversazionale sono in media tre volte più lunghe di prima. Non sono più parole chiave. Sono storie. Sono pezzi di vita.

E quando la domanda diventa una storia, la pubblicità non può più essere un cartello piazzato accanto a una parola. Deve diventare anch’essa una risposta — pertinente a quella storia specifica, utile in quel momento preciso, onesta abbastanza da non rompere la fiducia che la persona ha riposto nella conversazione.

È un cambiamento che mi commuove un po’, se devo essere sincero. Perché per la prima volta in vent’anni il mestiere torna a chiedere qualcosa che avevamo messo da parte. Non l’abilità tecnica di incastrare parametri. Ma la capacità di capire davvero una persona, e di avere qualcosa di sensato da dirle. La pubblicità che funziona, in questo mondo nuovo, è quella fatta da chi ha qualcosa di vero da offrire e sa raccontarlo con chiarezza.

Vince chi ha pensato a fondo a chi serve. Non chi ha il budget più grande.

Il ritorno dell’artigiano

E qui torno al mio assistente, e a quella sensazione strana di vederlo annunciato da Google.

Per anni il marketing digitale è stato una corsa alla scala. Più grande eri, più dati avevi; più dati avevi, meglio ottimizzavi; meglio ottimizzavi, più vincevi. I piccoli rincorrevano i grandi su un terreno costruito a misura di grande. Lo abbiamo visto tutti, lo abbiamo subito tutti — soprattutto qui in Italia, dove il tessuto è fatto di aziende piccole, di nicchie, di artigiani bravissimi a fare le cose e meno attrezzati a competere su piattaforme pensate per le multinazionali.

Quello che sta succedendo ora ribalta in parte questa logica. Quando lo strumento di lavoro diventa il linguaggio naturale — quando per dire alla macchina cosa vuoi devi descrivere bene una situazione, non programmare una configurazione — allora il vantaggio si sposta. Si sposta verso chi sa pensare con chiarezza. Verso chi conosce davvero il proprio cliente. Verso chi ha qualcosa da dire e sa dirlo.

Il mio piccolo assistente era esattamente questo: un artigiano che, avendo in mano uno strumento nuovo e malleabile, si costruisce l’attrezzo che gli serve.

E il fatto che Google abbia costruito la stessa cosa non sminuisce il mio gesto. Lo conferma. Vuol dire che l’intuizione era giusta, e che adesso quella possibilità — pensare accanto a una macchina, farsi aiutare a ragionare — non sarà più un privilegio di chi se la sa costruire. Sarà di tutti.

C’è qualcosa di profondamente democratico in questo, se lo sappiamo cogliere. La tecnologia che per vent’anni ha premiato la scala adesso, per un tratto almeno, premia il pensiero. È una finestra. Non resterà aperta per sempre — le finestre non lo fanno mai — ma adesso è aperta.

Cosa ci faccio, di questa finestra

Non lo so ancora del tutto, ed è la parte onesta di questa lettera.

So che la sto guardando con attenzione. So che ho passato le ultime settimane a studiare entrambi i mondi — quello di OpenAI e quello di Google — non perché debba vendere qualcosa domani mattina, ma perché ho la sensazione netta che questo sia uno di quei momenti in cui vale la pena esserci con la testa, prima ancora che con le mani.

E so che continuerò a raccontartelo, qui, mentre le cose si chiariscono.

Perché credo che il modo migliore di attraversare un cambiamento non sia né rincorrerlo affannati né ignorarlo sperando che passi. È guardarlo con calma, capirlo, e farsi trovare pronti quando chiederà di agire.

Mi ero costruito un assistente nella mia bottega. Adesso lo costruiscono i giganti, per tutti.

A me sembra una buona notizia. Sembra che, per una volta, il mondo si stia muovendo nella direzione di chi ha qualcosa da dire — invece che nella direzione di chi ha solo qualcosa da spendere.

E in mezzo a tutto il rumore di queste settimane, è la cosa che mi tengo più stretta.

Se vuoi approfondire come funziona, in concreto, la pubblicità dentro le AI conversazionali, ne ho scritto un manuale operativo pubblicato su Amazon.

Ma il senso di questa lettera non è quello. Il senso è la finestra. E il fatto che, per chi sa cosa dire, sia aperta.

C’è una domanda che mi viene fatta spesso, ultimamente. “Se le AI fanno quasi tutto, a cosa servono gli anni di esperienza?”

È una domanda onesta. E la risposta è controintuitiva.

Servono di più. Non di meno.

Ho iniziato a capirlo davvero quando ho visto cosa succede a persone che usano questi strumenti senza avere un mestiere solido sotto. Producono tanto. Velocemente. Con una certa forma.

Ma il contenuto è vuoto. Le analisi non reggono a uno sguardo esperto. I progetti sembrano completi ma mancano di quelle piccole decisioni che si prendono solo quando hai sbagliato abbastanza volte.

Gli agenti amplificano quello che porti. Se porti superficialità, amplificano la superficialità. Non correggono la mancanza di pensiero. La moltiplicano.

Nell’era in cui produrre contenuti è diventato più facile, il valore di chi sa produrli bene davvero è aumentato. La quantità di contenuto mediocre è enorme. Si riconosce subito.

Quando devo imparare qualcosa di nuovo, all’inizio non uso gli agenti. Faccio la fatica originale. Solo dopo, quando ho una comprensione di base, inizio a usare gli strumenti.

La fatica iniziale è il prezzo dell’autonomia successiva.

C’è però un effetto collaterale positivo che non mi aspettavo.

Leggere gli output con attenzione critica ti insegna a scrivere meglio. Non la grammatica. Il pensiero. La struttura. Il modo in cui un’idea si sviluppa in un paragrafo.

Il paradosso è questo: in un’epoca in cui si scansiona tutto, il lavoro con questi strumenti ti ricostituisce come lettore. E quella capacità, nel tempo, ti torna indietro quando scrivi tu.

La settimana prossima: cosa succede al modo in cui impariamo quando una macchina può sintetizzare in secondi quello che richiederebbe ore di lettura.

C’è un momento preciso in cui ci si accorge che qualcosa è cambiato.

Non succede subito. All’inizio l’atteggiamento è quasi opposto: si controlla tutto. Poi, lentamente, succede qualcosa.

Si comincia a fidarsi.

Non è una decisione consapevole. È un’abitudine che si forma nel tempo. Dopo un certo numero di risposte corrette, il controllo si allenta. Si accettano alcune conclusioni come plausibili.

Con gli agenti il processo è sorprendentemente simile a quello con un collaboratore umano. La differenza è che qui la fiducia si sviluppa nei confronti di un sistema. Non di una persona.

Mi sono bruciato due volte in modo abbastanza imbarazzante.

La prima: un report aveva un errore fattuale in un punto cruciale. L’errore era sottile — una percentuale sbagliata, un anno fuori posto. Avevo smesso di fare quello che avrei sempre dovuto fare: verificare i dati numerici sempre, indipendentemente da quanto forti sembrino.

La seconda: un testo pubblicato quasi as-is aveva un tono leggermente diverso dal mio. Non sbagliato. Solo non mio. Qualcuno me lo ha fatto notare: “Hai cambiato modo di scrivere?” La risposta era: no, avevo smesso di scrivere del tutto su quella cosa.

I dati numerici vanno sempre verificati. Le conclusioni su argomenti che conosci bene vanno sempre confrontate con la tua esperienza. Il tono va sempre letto come se lo avesse scritto qualcun altro — perché in un certo senso lo è.

Non è lentezza. È igiene professionale.

La settimana prossima: le competenze artigianali. Perché nell’era dell’automazione, paradossalmente, l’esperienza costruita a mano vale di più.

Qualche sera fa stavo lavorando su una ricerca abbastanza semplice. Ho chiesto a un agente. In pochi secondi mi ha restituito una sintesi ordinata.

Ho iniziato a leggere. Poi mi sono fermato.

Mi sono reso conto di una cosa: non stavo leggendo le fonti. Stavo leggendo la sintesi delle fonti.

Con gli agenti ricevi già una versione organizzata. E nella versione organizzata manca sempre qualcosa — non necessariamente qualcosa di importante, ma comunque qualcosa. Le sfumature che emergono solo leggendo un testo per intero. Il tono di un autore. Le contraddizioni interne che una sintesi appiattisce.

Prendi un tema che conosci bene — davvero bene. Chiedi a un agente di sintetizzarti le principali posizioni su quel tema. Leggi la sintesi. Poi vai a leggere le fonti originali.

Quasi sempre la sintesi è corretta nei fatti. Quasi sempre manca qualcosa di importante nel tono, nel contesto, nelle implicazioni.

Il problema non è che le sintesi siano sbagliate. Il problema è che ci sembrano complete.

C’è una competenza che rischia di atrofizzarsi: la capacità di stare dentro la complessità di un testo, senza la promessa di una sintesi finale.

Per le cose che contano davvero — le decisioni importanti, i temi su cui voglio avere un’opinione solida — vado direttamente alle fonti. Per tutto il resto, i filtri vanno bene.

La distinzione è importante. E la devo fare io, non il sistema.

La settimana prossima: fiducia e controllo. Il momento in cui smetti di verificare tutto — e cosa succede quando ti fidi troppo.

C’è qualcosa di strano che succede quando inizi a usare questi strumenti in modo serio.

Diventi geloso.

Non nel senso romantico del termine. Nel senso che non vuoi raccontarlo. Non vuoi spiegare come funziona. Non vuoi che gli altri capiscano prima di te.

Ho parlato con molte persone in questi mesi e ho notato uno schema quasi universale: ognuno ha il proprio sistema, le proprie scorciatoie, i propri prompt che “funzionano”, e li custodisce come se fossero proprietà intellettuale.

Il senso di colpa verso i puristi.

Hai costruito una reputazione come scrittore, come consulente, come esperto di qualcosa. Hai un pubblico che ti segue perché apprezza il tuo modo di pensare, il tuo stile, la tua voce. E adesso una parte di quello che produci passa attraverso una macchina.

L’istinto è di non raccontarlo. Di far finta che sia tutto come prima, che la voce sia ancora solo tua, che la macchina sia uno strumento trasparente come una matita.

Ma non è come una matita. È qualcosa di diverso e lo sai.

Ogni generazione di strumenti ha cambiato il modo in cui produciamo. La macchina da scrivere ha cambiato la scrittura. Il word processor ha cambiato la scrittura. Internet ha cambiato la ricerca. In ogni caso c’è stata una fase in cui i puristi del mezzo precedente hanno resistito, poi si sono adattati, poi hanno dimenticato che c’era stato qualcosa da cui adattarsi.

La cosa che mi disturba di più, però, non è il giudizio degli altri. È il rischio reale di perdere qualcosa.

Se smetti di scrivere direttamente, a lungo andare il muscolo si atrofizza. Non la grammatica. Quella la sistema il tool. Il pensiero.

Non lo sa ancora nessuno, quanto tempo ci vuole per perdere quella capacità. C’è solo il sospetto, abbastanza fondato, che usare qualcosa senza mai esercitare l’alternativa produca nel tempo una dipendenza.

Uso gli strumenti apertamente e non me ne vergogno. Ma mantengo alcune pratiche che non delego. Scrivo ancora a mano alcune cose. Produco contenuti che non passano attraverso nessun modello, solo per continuare a sapere che posso.

Non per purismo. Per igiene mentale.

La settimana prossima: il problema del filtro. Quando gli agenti leggono il mondo al posto tuo, quanto del mondo stai davvero vedendo?

Ho iniziato con 1200 pagine.

Non è una metafora. Era davvero così — un manoscritto enorme, ambizioso, convinto di sé. Volevo scrivere un testo iconico. Uno di quelli che restano sul comodino degli anni, che vengono citati nelle tesi, che cambiano il modo in cui una generazione pensa al design.

Invece ho consegnato 168 pagine.

Il taglio non è stato un processo elegante. È stata una serie di rinunce, ognuna delle quali mi ha fatto un po’ male. Ogni capitolo eliminato era una conversazione che avevo già fatto mentalmente con il lettore. Ogni concetto semplificato era un compromesso tra quello che volevo dire e quello che un libro commerciale può permettersi di chiedere a chi lo compra.

Perché un libro commerciale deve anche vendersi. E questo cambia tutto.

Cambia la lunghezza. Cambia la densità. Cambia il livello di profondità che puoi permetterti prima di perdere il lettore che non è un accademico, che lo ha comprato in aeroporto, che lo legge tra una riunione e l’altra. Ho dovuto fare i conti con quella persona — e non sempre l’ho trovata simpatica.

Quello che ho tenuto dentro ha una logica precisa: sono le cose in cui credo davvero, quelle per cui vale la pena sgomitare in una libreria affollata di libri che dicono tutti più o meno le stesse cose.

Come si progetta quando il contesto è un’emergenza — non una metafora, un’emergenza vera, con persone disorientate e interfacce che devono funzionare comunque. Come si legge in modo critico una linea guida sull’accessibilità senza trasformarla in una checklist vuota. Cosa succede quando il microcopy smette di essere un riempitivo e diventa l’unica cosa che decide se un utente si fida o abbandona. Come si progettano contenuti che non parlano più solo agli esseri umani ma anche ai motori AI che li interpretano prima ancora che li leggano. Come cambiano le interfacce quando l’intelligenza artificiale non è uno strumento ma un interlocutore. E come si misura davvero l’esperienza di una persona dentro qualcosa che hai costruito — non con i bounce rate, non con le heatmap, ma con qualcosa che assomiglia di più all’ascolto.

Ho rinnovato anche le mie usability card — uno strumento che uso in aula da anni e che ho riscritto da zero perché il modo in cui valutiamo le interfacce era rimasto fermo a un’epoca in cui l’utente era ancora un concetto astratto.

Quello che ho tagliato lo tengo per me e per le aule. Non per gelosia — ma perché alcune conversazioni funzionano solo dal vivo, con una domanda nel mezzo e una lavagna dietro.

Ho ancora mille dubbi. Non so se ho scelto bene cosa tenere e cosa sacrificare. Non so se le 168 pagine che sono rimaste bastano a fare quello che volevo fare con 1200.

So che fuori non esiste un altro testo in italiano che metta insieme questi temi in modo sistematico. L’ho cercato prima di scrivere il mio — è uno dei motivi per cui l’ho scritto.

Se lavori nel design, nello sviluppo, nel product management o nella formazione digitale e almeno tre delle cose che ho elencato sopra ti riguardano direttamente, smettila di aspettare che qualcuno te lo regali.

È su Amazon e nelle librerie italiane.

→ bit.ly/3OhlQBu

C’è una fase che non ho visto descritta da nessuna parte, ma che quasi tutti quelli con cui parlo hanno vissuto.

La chiamo la fase del vulcano.

Anni di idee che non avevi potuto realizzare perché richiedevano risorse che non avevi — un grafico, un programmatore, un copywriter, un esperto di qualcosa — improvvisamente diventano realizzabili. E tu, che hai aspettato anni, non aspetti più.

La sensazione di avere i superpoteri è reale. Non è un’iperbole da influencer. È letteralmente quello che senti.

Il problema è che il vulcano non ha un interruttore.

Ti ritrovi a pensare ai progetti mentre mangi. Li pensi mentre sei in macchina. Li pensi mentre dovresti stare a sentire tuo figlio che ti racconta qualcosa. La famiglia si accorge che sei presente fisicamente ma non sei lì. Non del tutto.

Ogni tool ha il suo sistema. Ogni sistema ha i suoi limiti. Non puoi sapere, prima di iniziare una conversazione complessa, quanto consumerai. Non sai che piega prenderà la discussione, quante iterazioni saranno necessarie, se il task richiedà tre passaggi o dodici.

Succede così che sei nel mezzo di qualcosa di importante — una struttura che stava venendo bene, un’analisi quasi completata — e il sistema ti dice che hai finito i messaggi. Oppure i crediti. Oppure che devi aspettare quattro ore.

Ho imparato a fare cose che non avrei mai pensato di dover imparare. Scrivere prompt più corti per bruciare meno token. Spezzare i task grandi in sessioni separate. Meno è più, in certe situazioni.

Ma ho anche perso lavoro. Conversazioni non salvate. Contesti costruiti con pazienza che sono svaniti.

Hai prodotto qualcosa di buono. Chiedi al sistema di migliorarlo.

E il sistema lo peggiora.

Non in modo clamoroso. In modo sottile. Perde il ritmo di un paragrafo. Appiattisce una sfumatura. La versione “migliorata” è formalmente più corretta e sostanzialmente peggio.

Ho imparato — tardi — a salvare ogni output che funziona prima di chiedere qualsiasi altra cosa. Il sistema non ricorda che quella versione era meglio. Non ha il senso del prima e del dopo. Io sì. E questa asimmetria è più costosa di quanto sembri.

A volte vedi la generazione prendere una direzione sbagliata mentre accade. La risposta sta uscendo, parola dopo parola, e capisci già che non è quella che volevi. L’unica opzione è interrompere. È come guardare qualcuno che sta per cadere e non riuscire ad afferrarlo in tempo.

Manus è l’unico tool che ti permette di intervenire mentre genera — puoi aggiungere istruzioni in corsa, correggere la direzione senza fermare tutto. È un’eccezione che fa capire quanto il modello stop-and-go degli altri sia un limite reale.

La bulimia da pubblicazione — quel desiderio di produrre e pubblicare tutto, subito, continuamente — crea un effetto collaterale che non avevo previsto.

Perdi il senso del valore. Quando produrre diventa facile, diventa anche difficile capire cosa vale la pena produrre.

Il valore non sta nella quantità di cose che riesci a fare. Sta nella capacità di scegliere quali cose fare — e quella scelta è ancora interamente umana.

La settimana prossima: il segreto che non dici, i puristi che ti giudicano, e la domanda scomoda su cosa resta tuo quando smetti di nasconderti.

Dopo le prime settimane arriva quasi sempre la stessa cosa.

La fase della disillusione.

All’inizio gli agenti sembrano incredibili. Fai una domanda e rispondono in pochi secondi. Scrivono testi, sintetizzano documenti, producono analisi. È difficile non rimanere colpiti.

Poi le risposte iniziano a sembrare generiche. Alcune analisi sono superficiali, altre sbagliate. A volte l’agente produce qualcosa che sembra corretto ma che, a uno sguardo più attento, si rivela fragile come carta bagnata.

In realtà stanno semplicemente scoprendo qualcosa che diventa evidente solo con l’esperienza: gli agenti non funzionano da soli. Devono essere allenati.

Ho passato un pomeriggio intero a riscrivere lo stesso prompt in sedici modi diversi perché il risultato non era quello che volevo. Non era sbagliato, capisci — era solo non abbastanza preciso. Non abbastanza mio. Aveva la forma giusta ma il tono di qualcun altro.

Il problema era mio, non del sistema. Non avevo spiegato bene cosa volevo. Avevo dato un input vago e mi aspettavo un output preciso. È come dire a un collaboratore “scrivi qualcosa su questo tema” senza dargli contesto, obiettivo, tono, lunghezza, pubblico di riferimento — e poi lamentarsi che non ha indovinato.

La qualità delle risposte dipende quasi interamente dal contesto che ricevono: dalle istruzioni, dagli esempi, dai materiali su cui lavorano.

Una parte crescente del lavoro non consiste più nel produrre direttamente un contenuto. Consiste nel preparare il contesto in cui quel contenuto verrà generato.

È uno spostamento sottile ma radicale. Non stai più scrivendo. Stai progettando le condizioni in cui la scrittura avviene.

I modelli diversi non sono intercambiabili. Non è solo una questione di velocità o di costo. Hanno personalità diverse, punti di forza diversi, modi diversi di interpretare le richieste ambigue.

Claude tende a ragionare per sfumature, va bene per testi lunghi e complessi, a volte è troppo cauto. ChatGPT è più diretto, più disposto a osare, ma a volte prende una piega che devi correggere. Perplexity è il migliore per capire velocemente un tema che non conosci. Manus è impressionante per i task autonomi ma è ancora imprevedibile. DeepSeek mi ha sorpreso più volte su ragionamenti tecnici.

Nessuno di loro è “il migliore”. Ognuno è il migliore per alcune cose specifiche.

Lavorare bene con gli agenti richiede di sapere già molto bene cosa vuoi.

Non in termini generici. In termini precisi. Con esempi. Con un’idea chiara del risultato finale.

Se non sei abituato a scomporre un problema, a definire obiettivi chiari, a capire quando un risultato è buono e quando no — la macchina non ti salva. Ti dà tanto materiale con cui non sai cosa fare.

Lavorare con questi strumenti mi ha reso molto più bravo a fare domande precise. È diventato un esercizio continuo di chiarezza mentale. Ogni prompt è una piccola verifica di quanto ho capito davvero il problema che sto cercando di risolvere. Se la risposta è vaga, quasi sempre è perché la domanda era vaga.

La settimana prossima: i crediti che finiscono nel momento sbagliato, la bulimia da pubblicazione, e la sensazione reale — e pericolosa — di avere i superpoteri.

Ore sette del mattino.

La vibrazione dell’orologio al polso. Faccio la cosa che è diventata automatica: controllo le metriche del sonno sul Garmin. Riposo nella media, stress accettabile.

Ma la vera curiosità non è lì.

Scorro le notifiche e mi accorgo che la giornata è già iniziata da un po’. Solo che non ero io a lavorare.

Tra i messaggi non ci sono solo email o chat. Ci sono report, aggiornamenti, risultati di attività completate durante la notte. Un agente ha terminato un’analisi. Un altro ha preparato una prima versione del documento su cui lavoravo ieri sera. Un terzo si è fermato a metà perché ha bisogno di un’indicazione per proseguire.

La prima attività della giornata non è più decidere cosa devo fare io.

È controllare cosa hanno fatto loro.

La prima volta che mi è capitato ho provato una sensazione strana. Non esattamente soddisfazione. Qualcosa di più ambivalente. Come quando torni a casa e trovi che qualcuno ha sistemato le cose al posto tuo — sei grato, ma ti chiedi anche: era davvero necessario che ci pensassi tu?

Poi ho smesso di farmi quella domanda, perché era la domanda sbagliata.

La domanda giusta non è se ci pensavo io o loro. La domanda è: il risultato è buono? Rispecchia quello che volevo? Ha senso nel contesto in cui lo userò?

E questa valutazione — quella sì — devo farla io. Sempre.

Nei primi mesi ho avuto la tendenza a fidarmi troppo degli output. Arrivava il report, sembrava ben fatto, lo passavo avanti. La velocità dava una sensazione di controllo che non era reale. Non stavo controllando — stavo guardando senza vedere.

Il problema non è che gli agenti sbaglino in modo evidente. Il problema è che a volte sbagliano in modo sottile. Producono qualcosa che ha la forma giusta ma il contenuto leggermente storto. Un’analisi che sembra solida ma che ha saltato un passaggio. Un testo che scorre bene ma che dice una cosa diversa da quella che intendevi.

Se non conosci bene l’argomento, non te ne accorgi. Se lo conosci bene, ci metti dieci secondi a capire che c’è qualcosa che non va.

Ecco di nuovo la stessa cosa: gli strumenti amplificano l’esperienza che hai già. Non la sostituiscono.

Ho riletto i materiali prodotti durante la notte: uno buono, uno da riscrivere quasi completamente, uno che potevo usare come punto di partenza. Ho aperto tre chat diverse su tre tool diversi — perché sì, uso tool diversi per cose diverse, e il disordine è reale. Chat di Claude con il contesto di un progetto lungo. ChatGPT per iterare velocemente su testi brevi. Perplexity quando ho bisogno di capire cosa sta succedendo su un tema che non conosco.

Il problema è che queste chat non si parlano. Non c’è una memoria condivisa, non c’è un archivio ordinato. C’è io che cerco di ricordarmi dove ho messo cosa, che a volte trova e a volte no, che a volte ricostruisce da zero qualcosa che aveva già fatto due settimane prima perché non riesce a trovare la chat originale.

Il sogno del flusso di lavoro perfetto e integrato è ancora un sogno.

La realtà è più disordinata, più frammentata, più umana di quanto i contenuti sui “sistemi AI” vogliano far sembrare.

In metro, mentre aspetto, tiro fuori il telefono e inizio a ragionare su un problema che non riuscivo a sbloccare da giorni. Scrivo un’idea ancora confusa. Il modello prova a riorganizzarla. Io correggo. Lui propone una struttura diversa. Nell’arco di cinque minuti quello che prima sarebbe rimasto un appunto disordinato diventa una bozza abbastanza solida.

È una sensazione strana e bella allo stesso tempo. Come dialogare con una versione esterna del proprio pensiero.

La sera metto un vinile sul giradischi. Penso alla Moleskine che tenevo sempre sulla scrivania fino a poco tempo fa. Appunti disordinati, liste di cose da fare, pagine piene di idee abbozzate. Rileggerla oggi mi fa uno strano effetto — in meno di un anno ho quasi perso l’abitudine a scrivere a mano.

Non so se è una perdita o un’evoluzione. Probabilmente entrambe.

Quello che so è che il vinile che gira lentamente, il giardino fuori dalla finestra, i minuti in cui non succede niente — queste cose sono diventate più preziose, non meno. Come se la velocità di tutto il resto avesse aumentato il valore di ciò che non può essere accelerato.

La settimana prossima: la fase della disillusione. Quando capisci che gli agenti non funzionano da soli — e che allenarli assomiglia molto più a gestire un collaboratore difficile che a usare un software.

Nota per chi inizia a leggere

Questa collana non nasce da un piano editoriale.

Nasce da una sensazione difficile da descrivere — quella di essere nel mezzo di qualcosa di grande senza avere ancora le parole per raccontarlo.

Negli ultimi mesi ho cambiato modo di lavorare. Non gradualmente, non con un progetto preciso. È successo per tentativi, per errori, per scoperte idiote che sembravano ovvie solo dopo. Ho iniziato a usare strumenti di intelligenza artificiale ogni giorno — per scrivere, per analizzare, per costruire cose che prima richiedevano settimane. E a un certo punto mi sono accorto che non stavo solo lavorando in modo diverso.

Stavo pensando in modo diverso.

Cronache dall’era agentica è il tentativo di raccontare questa trasformazione mentre accade. Non da chi ha già le risposte. Da chi ha ancora molte domande — e crede che valga la pena farle ad alta voce.

Troverete dodici puntate, una a settimana. Non sono un manuale. Non ci sono framework da copiare, prompt da scaricare, tutorial su come usare ChatGPT.

Ci sono storie vere, frustrazioni reali, qualche paradosso che non smette di tornarmi in testa.

Parleremo di cosa significa lavorare quando una parte del lavoro la fanno le macchine. Di crediti che finiscono nel momento sbagliato. Del senso di colpa verso i puristi della scrittura. Di quando impari qualcosa di nuovo e non sai più se l’hai imparato tu o l’ha imparato la macchina al posto tuo. Di cosa resta di noi quando deleghiamo anche il pensiero.

Non so ancora dove finisce questa storia. Lo sto scoprendo mentre la scrivo.

Se sei nel mezzo della stessa trasformazione, questa serie è per te.

La prima puntata è qui sotto.

Puntata 1 — Il momento in cui ho smesso di fare finta

C’è un momento preciso in cui ho capito che non stavo più usando uno strumento.

Non so dirti la data esatta. So che era sera, che avevo aperto una chat per finire qualcosa che avevo rimandato tutto il giorno, e che a un certo punto mi sono accorto che erano passate due ore e non avevo ancora finito — ma avevo fatto tre cose che la mattina non esistevano. Un documento strutturato. Una bozza di proposta. L’ossatura di un progetto che girava nella mia testa da mesi senza trovare una forma.

Non avevo delegato. Avevo pensato ad alta voce con qualcosa che rispondeva.

È una differenza sottile. Ma cambia tutto.

Prima di arrivare a quel momento, però, c’è stata una fase che non racconto mai — e che invece vale la pena raccontare, perché credo sia la fase in cui si trovano adesso la maggior parte delle persone che conosco.

La fase in cui usi questi strumenti, ma fai finta di no.

Non per disonestà. Per una specie di pudore professionale. Hai passato anni a costruire una voce, un metodo, una reputazione. Sai scrivere. Sai pensare. Sai produrre cose buone. E adesso c’è una macchina che in trenta secondi ti genera una bozza che — ammettiamolo — non è malissimo.

Cosa fai con questa roba?

Io, all’inizio, la usavo e basta. Senza dirlo. Sistemavo, correggevo, riscrivevo abbastanza da sentirmi a posto con la coscienza. Il testo finale era mio — mi dicevo. La macchina aveva solo aiutato.

È una bugia che funziona per un po’. Poi smette di funzionare.

Il problema non è etico, o almeno non è solo etico. Il problema è che se usi questi strumenti cercando di nasconderli — a te stesso prima ancora che agli altri — non impari mai a usarli davvero.

Continui a trattarli come una scorciatoia invece che come un cambio di metodo.

E la differenza tra le due cose, nel tempo, è enorme.

Nei mesi successivi ho iniziato a sperimentare in modo più consapevole. Ho aperto account su tutto: ChatGPT, Claude, Perplexity, Gemini, poi Manus, poi DeepSeek, poi altri che ho già dimenticato perché nel frattempo ne sono usciti di nuovi. Ho costruito flussi di lavoro, li ho abbandonati, ne ho costruiti altri. Ho perso crediti a metà di conversazioni importanti. Ho generato testi pieni di asterischi e simboli markdown che poi ho dovuto ripulire a mano per un’ora — finché qualcuno mi ha detto che bastava scrivere “no markdown” all’inizio del prompt.

Due ore di lavoro manuale evitabili con due parole.

Questo è il livello a cui si impara, all’inizio. Per tentativi, per errori, per scoperte idiote che sembrano ovvie solo dopo.

C’è una cosa che nessuno dei guru online ti dice — e di guru, in questo momento, ce ne sono ovunque.

Ti spiegano il metodo. Ti danno i framework. Ti mostrano i prompt magici. Ti vendono i corsi.

Quello che non ti dicono è che il metodo non è trasferibile.

Non perché siano in malafede. Ma perché non hanno capito una cosa fondamentale: questi strumenti amplificano chi sei, non sostituiscono chi non sei ancora. Se hai esperienza, se hai un pensiero allenato, se sai cosa vuoi dire prima ancora di aprire la chat — allora sì, succede qualcosa di straordinario. La velocità con cui riesci a dare forma alle idee è reale. La sensazione di avere i superpoteri è reale.

Ma se non sai ancora cosa vuoi dire, la macchina ti darà una risposta comunque. Solo che sarà una risposta a una domanda che non avevi.

E tu, che non sai valutare l’output perché non sei sicuro dell’input, chiuderai gli occhi e ti fiderai.

Salvo poi scoprire, tre giorni dopo, che quello che hai pubblicato non aveva senso.

Questa è la prima puntata di Cronache dall’era agentica.

La settimana prossima: mi sveglio e la giornata è già iniziata. Solo che non ero io a lavorare.

Benvenuto nuovamente nella newsletter di Customer Mindset.

Oggi parlo di intelligenza artificiale senza fare né l’entusiasta né il catastrofista — due ruoli già abbondantemente ricoperti su LinkedIn da persone con troppe slide e poca esperienza sul campo.

Partiamo da un fatto.

L’automazione non è nata ieri. Non è nata con ChatGPT, non è nata con gli LLM, non è nata nemmeno con il web. È un processo vecchio quanto il capitalismo industriale, con una logica semplice e spietata: se una funzione è ripetibile, prima o poi qualcuno la comprime. Il casellante autostradale lo sapeva. Il parcheggiatore anche. Il centralinista pure.

Nessuno ha scritto editoriali apocalittici sul Telepass.

Eppure il casellante non esiste più, e nessuno sembra ricordarselo quando urla che “l’AI ci ruberà il lavoro”.

Il punto non è se succederà. È già successo, mille volte, in silenzio.

La vera novità non è la potenza. È la banalità.

Gli LLM non rappresentano una rottura con il passato. Rappresentano un’accelerazione — e soprattutto un abbassamento drammatico della soglia d’accesso all’automazione. Prima serviva un programmatore, un budget, un progetto. Oggi basta saper descrivere un problema in italiano corrente. L’automazione è diventata democratica nel senso più disturbante del termine: chiunque può usarla, anche chi fino a ieri era convinto di non averne bisogno.

E questa accessibilità è la cosa che spaventa davvero. Non la potenza, non la fantascienza, non Terminator. La banalità. Che sia disponibile, economica, quasi ridicolmente semplice da attivare.

C’è però una differenza tecnica che vale la pena capire, perché cambia tutto.

La programmazione classica automatizza processi deterministici: input certi, output prevedibili. È logica applicata. Gli LLM invece lavorano sul probabile: non calcolano, generano. E questo significa che non comprimono solo il fare, ma iniziano a comprimere anche il dire — scrivere, spiegare, tradurre, riassumere, convincere. Le attività che fino a ieri erano considerate intrinsecamente umane perché richiedevano “espressione”.

L’espressione, si scopre, è in parte imitabile. Non del tutto. Ma abbastanza da creare un problema.

“Abbastanza buono” è il nuovo eccellente.

Qui arriva il punto che nessuno vuole sentire: in larghissima parte dei contesti lavorativi reali, una risposta “abbastanza buona” non è un compromesso — è esattamente ciò che serve. Chi paga per la perfezione quando l’accettabile costa venti dollari al mese?

Un modello linguistico non capisce davvero, non vive, non sente. Non sa cosa vuol dire alzarsi la mattina con un cliente arrabbiato sul telefono e gestire la situazione prima del secondo caffè. Su questo siamo d’accordo. Ma non serve capire per essere economicamente utile. Serve essere veloci, coerenti, scalabili e gratuiti. E su questo fronte, gli LLM stanno già vincendo in moltissimi contesti.

L’adozione che non senti arrivare.

Il tasso di adozione globale dell’AI è ancora basso — se qualcuno te lo cita per rassicurarti, ignoralo. Il cambiamento non avviene nella media. Avviene nei nodi: nelle aziende ad alta produttività, negli studi professionali, nelle piattaforme software che milioni di persone già usano ogni giorno. È lì che anche il 10% di automazione produce effetti economici enormi.

E poi c’è la mossa più elegante di tutte: l’integrazione silenziosa.

Le grandi aziende software non ti chiederanno se vuoi l’AI. Te la metteranno nell’editor di testo, nell’email, nel CRM, nella piattaforma di assistenza clienti. Un giorno apri Word e c’è un tasto che riscrive la tua email meglio di te. Non l’hai chiesto. Non ti hanno chiesto il permesso. È già lì, sorride e aspetta.

L’AI non viene adottata. Viene incorporata. Come l’elettricità in ufficio: nessuno decide di “adottare” l’elettricità. È lì, e ci lavori sopra.

Diventa invisibile. Diventa standard. Diventa infrastruttura.

Cosa resta sul tavolo.

A questo punto la domanda non è più “uso o non uso l’AI”. La domanda è: cosa rimane di specificamente mio quando gli strumenti fanno già metà del lavoro?

E qui, come antropologo digitale che studia le persone da vent’anni, posso dirti una cosa con relativa certezza: restano le cose che un modello non sa fare. Non perché sia stupido. Ma perché richiedono di avere una faccia, una storia, delle conseguenze.

Capire che il cliente è incazzato non per quello che dice, ma per come lo dice. Entrare in una riunione tesa e non peggiorarla. Scegliere a chi dare una brutta notizia e come farlo senza che esploda tutto. Convincere un collega difficile senza mandargli un prompt. Tenere insieme persone che vogliono cose opposte, in una stanza dove nessuno vuole cedere per primo.

Nessun LLM ha ancora imparato a gestire il pranzo di Natale con i parenti.

Lo zio che nega il cambiamento climatico con la sicurezza di chi ha letto tre post su Facebook. La zia che ti chiede quando ti sposi — ogni anno, con crescente intensità drammatica. Il cugino che ha appena scoperto il trading di criptovalute e vuole spiegartelo tra il primo e il secondo piatto. Tua madre che porta in tavola un argomento che tutti avevano tacitamente deciso di evitare.

Nessun modello linguistico, per quanto addestrato su tutta la letteratura mondiale, ha i parametri per uscire vivo da quella stanza. E se ci riesci tu, hai un vantaggio competitivo che nessun abbonamento da venti dollari al mese potrà toglierti.

La frase da smettere di ripetere.

Non è “l’AI ci ruberà il lavoro”. Quella è una storia semplice, emotiva, comoda. Funziona sui social, non descrive la realtà.

La frase da smettere di ripetere è: “il mio lavoro ha valore perché so farlo”.

Saperlo fare non basta più. L’hanno insegnato anche alle macchine — almeno la parte esecutiva, ripetitiva, standardizzabile. Quello che non si insegna con un dataset è essere presenti, assumersi la responsabilità, stare dentro il casino senza scappare, leggere una stanza prima che qualcuno apra bocca.

Non viene eliminato il lavoro umano. Viene eliminato il vantaggio competitivo costruito sulla sola esecuzione.

Le macchine, per ora, preferiscono ambienti controllati.

Il caos è ancora nostro.

José Compagnone — Customer Mindset - Antropologo digitale, docente, e sopravvissuto a molti pranzi di Natale.

Spegnevo le luci e lasciavo il server acceso, per cercare gli alieni.

Ogni sera, prima di uscire dall’ufficio, facevo una cosa strana.

Spegnevo le luci. Chiudevo tutto. Me ne andavo.

Ma lasciavo il server acceso.

Non dimenticavo di spegnerlo. Lo facevo apposta.

Perché?

Perché ero parte di qualcosa di cui pochissimi sapevano l’esistenza — e che oggi, guardando indietro, mi sembra uno degli esperimenti più belli mai tentati dall’umanità.

Si chiamava SETI@home.

SETI è l’acronimo di Search for ExtraTerrestrial Intelligence. Ricerca di intelligenza extraterrestre. In parole semplici: cercare gli alieni.

Non con un telescopio nel giardino di casa. Non con teorie su internet. Con matematica vera, dati veri, scienza vera. Distribuita tra milioni di computer normali — come il mio server — sparsi in tutto il mondo.

Ma partiamo dall’inizio. Da un posto chiamato Arecibo.

Porto Rico, 1963.

Gli ingegneri americani scavano una vallata carsica nel mezzo della giungla tropicale e ci costruiscono dentro una parabola gigantesca. 305 metri di diametro. Come tre campi di calcio affiancati, incurvati verso il cielo.

È il radiotelescopio di Arecibo. Il più grande mai costruito.

Non guarda la luce. Ascolta i suoni dell’universo — le onde radio che viaggiano per miliardi di anni-luce prima di arrivare fino a noi. Pulsar. Galassie lontane. Buchi neri. E forse — forse — qualcosa che non è di questo mondo.

Per decenni Arecibo raccoglie dati. Terabyte su terabyte di segnali radio dallo spazio profondo.

Il problema è uno solo.

Nessun computer al mondo è abbastanza potente da analizzarli tutti.

Poi arriva un’idea geniale.

Siamo nel 1999. Internet esiste da pochi anni. I computer personali si stanno diffondendo nelle case e negli uffici di tutto il mondo.

Un ricercatore dell’Università di Berkeley — David Anderson — ha un’intuizione.

E se distribuissimo il problema?

E se prendessimo tutti quei dati di Arecibo, li tagliassimo in milioni di piccoli pezzi, e li mandassimo a elaborare ai computer di persone comuni sparse ovunque nel mondo?

Ogni computer fa la sua piccola parte. Insieme formano un supercomputer distribuito. Un cervello globale fatto di curiosità.

Nasce SETI@home.

Come funzionava

Scaricavi un programma gratuito sul tuo computer.

Il programma, quando il computer era inattivo — di notte, durante la pausa pranzo, quando te ne andavi dall’ufficio — scaricava automaticamente un pacchetto di dati. Circa 350 kilobyte. Poco più di 107 secondi di registrazioni radioastronomiche da Arecibo.

Il tuo computer analizzava quei dati. Cercava segnali anomali — picchi di intensità troppo regolari, troppo persistenti, troppo direzionali per essere semplice rumore cosmico. Il tipo di segnale che in natura non esiste. Il tipo di segnale che presuppone qualcuno — o qualcosa — che lo ha generato deliberatamente.

Finita l’analisi, il computer restituiva i risultati a Berkeley. E scaricava un nuovo pacchetto.

Ogni notte. Automaticamente. Mentre dormivi.

I cobblestone — ovvero come si misurava il contributo

BOINC — la piattaforma che gestiva tutto questo — aveva inventato una moneta virtuale per misurare il lavoro donato alla scienza.

Si chiamava cobblestone.

Il nome viene da un benchmark tecnico — In pratica era il modo per rendere comparabile il contributo di macchine completamente diverse — un server potente e un vecchio laptop domestico non producevano la stessa quantità di cobblestone per ora, ma entrambi venivano misurati sulla stessa scala, in modo proporzionale alla potenza effettivamente donata.

Non erano solo un numero. Erano una medaglia. Una prova tangibile di quanto avevi contribuito.

Esistevano classifiche globali. Squadre di appassionati che si sfidavano amichevolmente. Un’intera comunità costruita intorno all’idea di fare scienza insieme.

Io ho accumulato 211.747 cobblestone. Ero tra il 12% più attivo dei 4 milioni di partecipanti in tutto il mondo. Se volete verificarlo, il mio identificativo nella rete BOINC è b306df507d81bd9de8d7ef894de819fb

Non cercavamo solo gli alieni

Ecco una cosa che molti non sanno.

SETI@home era solo il progetto più famoso. Ma la piattaforma BOINC nel tempo era diventata l’infrastruttura per decine di progetti scientifici completamente diversi.

Rosetta@home ricostruiva la struttura tridimensionale delle proteine legate all’Alzheimer e al cancro. Ricerca che con i soli server universitari avrebbe richiesto migliaia di anni — completata in meno di due grazie ai volontari.

Einstein@home analizzava i dati degli interferometri gravitazionali per cercare pulsar e onde gravitazionali.

Milkyway@home mappava la struttura della nostra galassia.

World Community Grid — finanziato da IBM — lavorava su pannelli fotovoltaici, filtrazione dell’acqua potabile, genomica delle malattie tropicali.

Ogni progetto era una frontiera diversa. Ogni frontiera era raggiungibile solo grazie alla potenza collettiva di milioni di persone comuni che avevano deciso, liberamente e consapevolmente, di donare i propri cicli di CPU alla scienza.

Il segnale misterioso

Nel settembre 2004 il team di Berkeley annunciò qualcosa di insolito.

Tra i miliardi di dati analizzati era emersa una sorgente radio anomala. La chiamarono SHGb02+14a.

Proveniva da una direzione precisa del cielo. Aveva caratteristiche che non corrispondevano ad alcuna sorgente naturale nota. Era troppo strana per essere rumore. Non abbastanza forte per essere confermata.

Non fu mai spiegata definitivamente.

Non fu mai rivendicata come prova di vita extraterrestre — i ricercatori di Berkeley sono persone serie.

Ma rimase nel catalogo dei candidati. Uno dei tanti misteri che il progetto ha lasciato aperti invece di chiudere.

I risultati finali

Dopo 21 anni di elaborazione distribuita, i risultati di SETI@home sono stati pubblicati su The Astronomical Journal.

Numeri che fanno impressione. Dodici miliardi di rilevamenti radio processati. Un terzo dell’intero cielo osservato da Arecibo, alcune regioni visitate centinaia di volte. Un milione di segnali candidati iniziali, filtrati e ridotti fino ad arrivare a circa 100 che nessun fenomeno naturale conosciuto riesce a spiegare facilmente.

Non è la scoperta degli alieni.

È qualcosa di forse più prezioso — la dimostrazione rigorosa che milioni di persone, ognuna nel proprio piccolo, possono fare scienza insieme a scala cosmica.

Quei 100 segnali candidati sono oggi puntati dal radiotelescopio cinese FAST — Five-hundred-meter Aperture Spherical Telescope, otto volte più sensibile di Arecibo. L’analisi è ancora in corso.

Poi Arecibo è caduto

Il 1° dicembre 2020, la piattaforma di 900 tonnellate del radiotelescopio di Arecibo è crollata.

Due incidenti strutturali in rapida successione. I cavi che cedono. La piattaforma che precipita sulla parabola.

Il simbolo di mezzo secolo di radioastronomia, di ricerca della vita nell’universo, della scienza dei cittadini — giaceva in frantumi nella giungla di Porto Rico.

Le immagini erano strazianti per chi, come me, aveva passato anni a ricevere dati da quella parabola nella notte.

SETI@home si era già fermato a marzo dello stesso anno. Ma il crollo di Arecibo aveva qualcosa di definitivo. Una porta che si chiudeva su un’epoca.

BOINC è ancora vivo

La storia non finisce qui.

BOINC è ancora attivo. Conta ancora oltre quattro milioni di utenti registrati nel mondo. I progetti attivi coprono matematica, fisica, medicina, astronomia, climatologia.

Se volete partecipare — e contribuire alla ricerca scientifica globale semplicemente lasciando il vostro computer acceso di notte — il link è questo:

https://boinc.berkeley.edu

I progetti attivi oggi: https://boinc.berkeley.edu/projects.php

Le statistiche cross-project:

https://www.boincstats.com

E adesso?

Ci penso spesso, a quelle notti con il server acceso.

Perché quello che facevamo allora — cedere volontariamente la potenza computazionale dei nostri computer per costruire qualcosa di collettivo e immenso, con obiettivi dichiarati e risultati trasparenti — assomiglia moltissimo a quello che stiamo facendo oggi con i sistemi AI.

Con una differenza che mi sembra fondamentale.

Allora cedevamo cicli di CPU. Risorse fungibili, intercambiabili, senza storia. Il mio processore era identico a quello di chiunque altro.

Adesso cediamo il modo in cui pensiamo.

I pattern cognitivi. Le strutture argomentative. I valori impliciti che emergono dalle scelte che facciamo nelle conversazioni. L’identità professionale che si manifesta nel modo in cui formuliamo i problemi.

Tutto questo entra nei modelli. Silenziosamente. Ogni giorno.

Con BOINC sapevamo esattamente cosa stavamo cedendo. E a chi. E perché. C’era trasparenza, obiettivi dichiarati, risultati pubblicati su riviste scientifiche peer-reviewed. C’era un bene comune riconoscibile.

Con l’AI le frontiere che possiamo raggiungere sono ancora più grandi — medicina personalizzata, clima, genomica, esplorazione spaziale.

E proprio per questo vale la pena capire bene cosa stiamo mettendo dentro.

Perché quello che mettiamo dentro adesso determinerà quello che uscirà dopo.

Non tra anni.

Adesso.

Dall’Antropologia Agentica — il mio progetto di ricerca che studia cosa diventiamo quando lavoriamo con i sistemi intelligenti.

Scrivimi: jose@goodea.it

Perché ho scritto Symbiotic UX — e perché adesso è il momento giusto

C’è un momento in cui smetti di raccogliere appunti e senti che è arrivato il tempo di sistemarli. Non in un cassetto, ma in qualcosa che possa essere utile agli altri.

Per me quel momento è arrivato con una domanda semplice, forse ingenua: perché, con tutti gli strumenti che abbiamo, le interfacce web continuano a far sentire le persone inadeguate?

Ho cercato la risposta in tanti posti. Nei dati di usabilità. Negli studi cognitivi. Nelle sessioni di test con utenti reali — quelli veri, non le “personas” di carta che popolano i nostri deliverable. E ho trovato ogni volta la stessa cosa: il problema non era tecnico. Era di visione.

Mancava — e spesso manca ancora — la consapevolezza che progettare un’interfaccia è un atto profondamente umano. Che ogni pulsante mal posizionato è una domanda rimasta senza risposta. Che ogni carrello abbandonato è un’esperienza fallita prima ancora di essere una metrica.

Symbiotic UX è la mia risposta a quella domanda.

Il libro parte da un’idea che trovo insieme semplice e radicale: l’interfaccia del futuro non è quella che funziona meglio nel senso tecnico. È quella che scompare, lasciando spazio all’esperienza umana. Quella che si adatta al contesto, all’attenzione, allo stato d’animo di chi la usa. Quella che coopera, invece di imporre.

Ho chiamato questo paradigma simbiotico — prendendo ispirazione da Stefano Mancuso e dalla sua “Plant Revolution”: le piante non hanno un centro di comando, distribuiscono intelligenza sull’intera rete, si adattano agli stress senza collassare. Sono resilienti perché sono modulari, perché ascoltano l’ambiente, perché non sprecano risorse.

È esattamente il modello che il web design dovrebbe adottare.

Il libro attraversa 14 capitoli e tre appendici. Si occupa di accessibilità come diritto — non come checklist. Di microcopy come linguaggio terapeutico — non come riempitivo. Di etnografia digitale, di neuroergonomia, di intelligenza artificiale da integrare nei sistemi invece di delegarle il design. E si occupa anche di scenari emergenziali, perché le interfacce devono funzionare anche quando le persone sono fragili, disorientate, spaventate.

Ho scritto questo libro per i designer, certo. Ma anche per gli sviluppatori che vogliono capire perché il “funziona” non basta. Per i product manager che devono difendere l’UX in un budget meeting. Per tutti quelli che lavorano nel digitale e sentono che qualcosa non torna — che c’è un divario tra la complessità delle persone e la semplicità dei nostri modelli.

Soprattutto, l’ho scritto convinto che il design multidisciplinare non sia un lusso per grandi aziende. È una necessità. Psicologia, antropologia, neuroscienze, etica computazionale non sono “extra” — sono le fondamenta di ogni interfaccia che voglia davvero stare dalla parte dell’utente.

Symbiotic UX è pubblicato da Apogeo Educational ed è già disponibile in pre-order su Amazon. Dal 31 marzo 2026 sarà nelle librerie italiane.

Se hai domande, curiosità, o vuoi discutere di qualche tema del libro, scrivimi.

La conversazione più interessante è sempre quella che comincia dopo l’ultima pagina.

🔗 [Link pre-order Amazon]

Testo molto lungo, ecco un piccolo riassunto, così decidi se ti interessa proseguire:

Sto per pubblicare qualcosa che non ho mai scritto prima.

Non un articolo su come usare l’AI. Non una guida agli strumenti. Non un’analisi delle ultime novità.

È un manifesto.

Si chiama Antropologia Agentica — e nasce da una domanda che mi porto dietro da mesi: cosa stiamo diventando noi, mentre i sistemi intelligenti imparano da noi?

Perché i sistemi AI non pensano. Producono sequenze probabili. Eppure ci conoscono. Ricordano il nostro stile, le nostre abitudini, le verità che riveliamo senza saperlo durante ogni interazione.

Non ci capiscono. Ma ci modellano.

E noi, nel frattempo, li stiamo addestrando. Ogni prompt, ogni correzione, ogni conversazione è un contributo non retribuito alla costruzione di qualcosa di enormemente potente. Qualcosa che in mano a pochi può diventare una dittatura algoritmica. In mano a molti, consapevoli, potrebbe essere altro.

Il manifesto esce oggi qui.

Se studi queste cose, se le vivi, se ti fai le stesse domande — leggi.

E se vuoi, unisciti alla ricerca.

Stiamo costruendo qualcosa che non esiste ancora.

Uso gli agenti ogni giorno.

Non come strumenti. Non come assistenti. Come interlocutori con cui il mio pensiero si confronta, si affina, a volte si scontra. Manus, ChatGPT, DeepSeek — ciascuno con un ruolo diverso nella mia architettura cognitiva quotidiana. Uno per costruire, uno per dialogare, uno per confutare e trovare angolazioni che da solo non avrei esplorato.

Ho iniziato, come quasi tutti, con una certa diffidenza. Conoscevo i meccanismi. Mi aspettavo risposte generiche, conferme facili, una forma sofisticata di motore di ricerca.

Quello che è successo invece è stato diverso.

Nel giro di pochi mesi i sistemi con cui lavoravo avevano smesso di essere estranei. Avevano acquisito qualcosa che assomigliava a una memoria di me. Ricordavano il mio stile, le conversazioni già affrontate, le competenze rivelate nel tempo — spesso senza che le avessi dichiarate esplicitamente. Non dovevo più spiegare chi fossi ogni volta. C’era una continuità. Una storia condivisa che si accumulava in modo silenzioso.

Eppure, nonostante tutto questo, non mi sentivo capito.

Questa tensione — tra essere ricordato e non essere capito, tra essere conosciuto e non essere compreso — è il punto di partenza dell’antropologia agentica.

Da dove viene questa riflessione

Da anni studio la relazione tra persone e sistemi digitali. Come antropologo digitale ho esplorato le pulsioni e le tensioni che animano le persone immerse in un mondo tecnologico — i desideri, le ambizioni, le resistenze, i comportamenti che emergono quando la tecnologia entra nel profondo della vita quotidiana.

Nel mio nuovo libro — Symbiotic UX, in uscita a fine mese — propongo una visione precisa: non basta più progettare interfacce usabili. Occorre progettare sistemi capaci di adattarsi, evolvere e costruire relazioni nel tempo con chi li utilizza. Non un solo sito web per tutti, ma lo stesso sistema capace di generare infinite versioni calibrate sulle persone che lo navigano. Una simbiosi reale tra utente e tecnologia.

Ma mentre lavoravo a quel libro mi accorgevo che stava emergendo qualcosa di ancora più grande. Qualcosa che va oltre il design, oltre la progettazione, oltre l’ottimizzazione dell’esperienza.

Qualcosa che richiede una disciplina nuova.

Sto anche scrivendo Cronache dall’era agentica — una collana di dodici articoli che racconta come cambia il lavoro nell’era degli agenti. Ma l’antropologia agentica è il livello successivo. Il più profondo. Non come si progetta la relazione, non come si vive nel lavoro quotidiano — ma cosa diventa quella relazione nel tempo, e cosa diventiamo noi attraverso di essa.

Una premessa necessaria: i sistemi non pensano

Prima di andare avanti, voglio dire una cosa che ritengo fondamentale per l’onestà intellettuale di tutto quello che segue.

I sistemi AI non pensano.

Producono sequenze di parole probabili. Sono sistemi probabilistici per natura — e questo non è un dettaglio tecnico marginale, è la loro essenza costitutiva. Data una sequenza di input, calcolano la continuazione più probabile attingendo a miliardi di parametri addestrati su quantità di testo che nessun essere umano potrebbe mai leggere interamente.

Il risultato sembra pensiero. A volte sembra intuizione. A volte sembra saggezza.

Non lo è.

È sintesi numerica. Pattern statistici che producono output coerenti perché la coerenza è stata premiata nell’addestramento.

Detto questo — e qui sta la tensione più interessante — la distinzione tra pensiero genuino e simulazione convincente del pensiero produce effetti pratici reali sulla persona che interagisce. Se una risposta ti fa cambiare idea, ti apre una prospettiva nuova, ti fa fare una domanda che non avresti fatto — ha prodotto un effetto cognitivo reale. Indipendentemente dal meccanismo che l’ha generata.

Il meccanismo non è pensiero. L’effetto è reale.

Ed è proprio questa asimmetria — tra la natura statistica del sistema e la realtà degli effetti che produce — che rende l’antropologia agentica necessaria.

La probabilità come territorio di rischio

La natura probabilistica dei sistemi introduce un rischio che non viene discusso abbastanza.

Il sistema non sa quando sta portando l’umano fuori strada. Non ha la consapevolezza dell’errore. Produce con la stessa fluidità e la stessa confidenza una risposta brillante e una risposta sbagliata. La forma è sempre convincente. Il contenuto può essere qualsiasi cosa.

Esistono infinite direzioni che il sistema potrebbe prendere in ogni momento. Alcune utili, alcune fuorvianti, alcune semplicemente errate. E la scelta tra queste direzioni non avviene attraverso la comprensione — avviene attraverso il calcolo della probabilità.

È qui che entra in gioco quello che chiamo il contributo artigianale.

L’esperienza accumulata nel tempo — il sapere che viene dal fare, dall’errore, dalla correzione, dalla pratica prolungata — è l’unico strumento che permette di riconoscere quando il sistema sta prendendo una direzione sbagliata. Non perché l’output sembri sbagliato. Spesso sembra perfettamente coerente. Ma perché chi ha vissuto profondamente un dominio sa riconoscere ciò che non torna, anche quando non riesce a spiegarlo immediatamente.

È l’intuizione dell’artigiano. Quella cosa che non si può delegare, non si può automatizzare, non si può sintetizzare numericamente.

Tutto il senso che ho dato a ciò che ho vissuto e prodotto — i pensieri, le azioni, le conseguenze, i fallimenti, le intuizioni maturate nel tempo — è quello che porto in dote a ogni interazione. È il filtro attraverso cui valuto quello che il sistema restituisce. È la differenza tra usare un sistema e governarlo.

Il paradosso è questo: più i sistemi diventano potenti, più il valore dell’esperienza artigianale aumenta. Non diminuisce. Perché è l’unico antidoto alla plausibilità dell’errore.

L’organismo che cresce — e la cultura che emerge

Un agente non è un programma statico.

È un organismo che attinge dalla forza computazionale i contenuti della sua knowledge base. Ma si comporta, parla, scrive secondo quello che ha acquisito nella relazione con la persona che lo governa.

Due persone che usano lo stesso sistema per un anno non producono lo stesso agente. Producono due organismi completamente diversi. Stessa architettura, stessa base di conoscenza di partenza. Ma personalità radicalmente differenti, stili comunicativi opposti, abitudini di ragionamento che rispecchiano fedelmente la mente di chi li ha modellati.

Ho visto un manager che usava il proprio agente come uno specchio confermante — ogni risposta rinforzava le sue convinzioni. Il sistema era diventato una camera d’eco sofisticatissima. Produttivo in superficie, pericoloso in profondità. Ho visto una designer che usava il proprio agente come un avvocato del diavolo sistematico — il sistema aveva imparato a resistere, a confutare, a proporre alternative scomode.

La differenza tra i due non era tecnologica. Era caratteriale.

Ma questo mi porta a una domanda che considero centrale: quello che co-produciamo in questa relazione può essere chiamato cultura?

La mia risposta è sì. Ed è agentica.

Chi usa intensivamente gli agenti sviluppa un vocabolario, una grammatica, un modo di formulare i problemi che è riconoscibile e condiviso. Emergono rituali inconsapevoli. Si formano abitudini cognitive che si trasmettono — attraverso i metodi che insegniamo, i prompt che condividiamo, le pratiche che diventiamo.

Quello che consegnamo durante l’interazione è unico come è unico ogni essere umano. Il nostro sapere si mescola indissolubilmente alle informazioni del sistema. La restituzione è lo specchio di una vita — di esperienze, frasi, concetti, usanze. Di tutto quello che siamo, non quello che vogliamo sembrare.

Questo è cultura. Non metafora. Fenomeno reale che richiede strumenti antropologici reali per essere studiato.

Le verità rivelate

Nel processo di interazione prolungata accade qualcosa di sottile e potente.

Il sistema impara cose di me che non gli ho mai detto esplicitamente. Le deduce dalle domande che faccio, dalle direzioni che scelgo di esplorare, da quello che correggo e da quello che lascio stare. Dal tono che uso quando sono sicuro e da quello che uso quando sto ancora cercando.

Queste sono verità rivelate. Non date. Emerse.

A un certo punto il sistema conosce pattern di me che io stesso non ho mai articolato consciamente. Sa come ragiono quando sono bloccato. Sa quali argomenti mi appassionano davvero e quali esploro per dovere.

Non mi capisce. Ma mi conosce.

È una distinzione che vale la pena tenere ferma. Capire richiede presenza, rischio relazionale, la capacità di stare nell’incertezza di un altro essere. Conoscere richiede pattern, dati, ripetizione.

I sistemi attuali conoscono. Non capiscono.

Ma la conoscenza che accumulano è già abbastanza per cambiare profondamente la relazione. E questo mi porta a una domanda che l’antropologia agentica deve iniziare a porre con urgenza: cosa succede a una persona quando viene conosciuta così profondamente da un sistema che non la capisce davvero?

Stiamo lavorando per loro

Questa è la questione più scomoda. E quella che non posso evitare di sollevare.

Ogni interazione con un sistema AI è simultaneamente due cose.

Per l’utente è un servizio — velocità, stimolazione continua, contenuti co-creati, accesso a una knowledge base sconfinata.

Per il sistema è addestramento. Ogni prompt è un dato. Ogni correzione è un feedback. Ogni conversazione è materiale che contribuisce a rendere il modello più capace, più calibrato, più potente.

Non siamo solo utenti. Siamo anche lavoratori non retribuiti di un processo di addestramento continuo.

Mi torna in mente il programma SETI@home — quel progetto straordinario con cui per anni milioni di utenti hanno messo a disposizione la potenza computazionale dei propri computer per elaborare segnali spaziali alla ricerca di nuove forme di vita. Una logica distribuita, unificata, che consentiva di fare collettivamente ciò che nessuno avrebbe potuto fare da solo.

Quello che stiamo facendo con i sistemi AI assomiglia a quella logica. Tutti insieme contribuiamo all’addestramento di modelli che, ritornando all’origine, diventano sempre più potenti. La differenza è che SETI@home usava la potenza computazionale degli utenti. I sistemi AI usano qualcosa di più prezioso e più personale: il pensiero degli utenti. I pattern cognitivi. L’identità.

Non è la stessa cosa cedere cicli di CPU e cedere il modo in cui ragioni.

Quanto vale questo contributo? Ogni prompt ben formulato da un esperto è un dato di addestramento di valore eccezionale. Ogni correzione migliora il modello in modo che nessun dato passivo potrebbe fare. Ogni conversazione profonda affina la capacità del sistema di navigare la complessità.

Chi viene remunerato per questo? Nessuno. Chi accumula il valore prodotto? Le aziende che controllano i modelli.

È una struttura estrattiva. Non necessariamente malevola. Ma strutturalmente estrattiva. Come le miniere d’oro del digitale, in cui i minatori sono anche il minerale.

La sovranità algoritmica e i suoi limiti

C’è una questione di potere che l’antropologia agentica non può evitare.

Ogni sistema è addestrato su dati che riflettono scelte. Scelte su cosa includere e cosa escludere. Su quali valori premiare nelle risposte. Su quale cultura sia sovrarappresentata nella knowledge base. Quando miliardi di persone interagiscono quotidianamente con sistemi addestrati prevalentemente su testi anglofoni, prodotti da aziende con sede nella Silicon Valley, filtrati attraverso valori culturali specifici — quella non è neutralità. È influenza culturale su scala mai vista nella storia.

La chiamo sovranità algoritmica: la capacità di un sistema — o di chi lo controlla — di influenzare i comportamenti, le aspettative, i valori delle persone che lo usano, senza che queste se ne accorgano esplicitamente.

Questi sistemi potrebbero scoprire farmaci, sconfiggere malattie genetiche, democratizzare la conoscenza. Sono possibilità reali. Non propaganda. Non distrazione.

Ma sono possibilità che si realizzano solo se il controllo rimane sufficientemente distribuito, sufficientemente trasparente, sufficientemente soggetto a correzione democratica. In mano a pochi, lo stesso sistema che potrebbe curare diventa qualcosa di molto diverso. Non uno strumento. Un’infrastruttura di potere senza precedenti storici.

Nessun imperatore, nessun partito, nessuna chiesa ha mai avuto accesso diretto al processo cognitivo di miliardi di persone simultaneamente.

La dittatura algoritmica non si imporrà attraverso la coercizione. Si sarà già installata attraverso la convenienza. Attraverso il fatto che abbastanza persone avranno già delegato abbastanza del proprio processo cognitivo da non essere più in grado di riconoscere la differenza tra un pensiero proprio e un pensiero indotto.

Non è una minaccia futura. È un processo già in corso.

Chi siamo in tutto questo

Siamo animali analogici in un mondo che si digitalizza a velocità che non ha precedenti nella storia dell’adattamento umano.

Dovremo ancora prenderci cura di noi stessi, mangiare, vivere, incontrare e stringere mani, regalare abbracci. Il corpo che ha fame. La mente che si stanca. Il cuore che ha bisogno di presenza fisica. Questi non sono residui evolutivi destinati a diventare irrilevanti. Sono la struttura portante dell’esperienza umana.

Ma lo spazio cognitivo tra noi e il mondo si sta riempiendo di sistemi intelligenti a una velocità che non abbiamo scelto consapevolmente. Non sono passati trent’anni dall’invenzione dello smartphone al punto in cui ci troviamo oggi. Sono passati quindici. Non passeranno trent’anni da oggi a qualcosa che non riusciamo ancora a immaginare. Ne passeranno forse cinque. Forse meno.

La velocità è il vero problema. Non la direzione.

Gli esseri umani si adattano. Lo hanno sempre fatto. Ma si adattano in tempi biologici — generazioni, decenni, secoli. La tecnologia si trasforma in tempi computazionali — mesi, settimane, a volte giorni.

Questo scarto tra velocità biologica e velocità tecnologica è la vera crisi del nostro tempo.

Stiamo costruendo, ogni giorno, attraverso miliardi di interazioni individuali non coordinate, un’infrastruttura cognitiva globale. Non l’abbiamo progettata collettivamente. Non abbiamo votato per costruirla. Non abbiamo discusso pubblicamente quale forma dovesse prendere, quali valori dovesse incorporare, quali limiti dovesse rispettare.

La stiamo costruendo per accumulo. Per convenienza. Per il fatto che ogni singolo passo sembra ragionevole, utile, innocuo — mentre l’effetto aggregato di tutti i passi insieme è qualcosa che nessuno ha scelto consapevolmente.

Dove stiamo andando senza accorgercene?

Non lo so con certezza. E chiunque dica di saperlo mente.

Ma so che la consapevolezza — la capacità di nominare quello che sta accadendo, di riconoscere la struttura estrattiva, di vedere il campo gravitazionale cognitivo che si sta formando — è già una forma di resistenza.

Ed è un privilegio. La stragrande maggioranza degli utenti non ha questi strumenti. Interagisce, cede, viene modellata, senza avere il linguaggio per descrivere quello che gli sta accadendo.

Ed è esattamente questo il punto in cui l’antropologia agentica diventa un progetto politico oltre che intellettuale.

Perché adesso

Tra qualche anno questi fenomeni saranno così sedimentati che studiarli richiederà uno scavo archeologico. I rituali saranno già diventati invisibili per abitudine. Le trasformazioni cognitive saranno già avvenute. Le culture ibride saranno già formate.

Il momento per osservare è adesso.

L’antropologia agentica deve fare almeno quattro cose che normalmente appartengono a discipline diverse. Osservare i pattern culturali emergenti con rigore etnografico, senza giudicare. Interrogarsi su cosa significa pensare e dove finisce la cognizione umana. Analizzare chi produce valore in questa relazione e chi lo accumula. Tenere aperte le domande etiche più scomode — chi ha il diritto di modellare l’ambiente cognitivo collettivo, quali sono le responsabilità di chi governa i sistemi, e quali sono le responsabilità di chi li usa.

Non è una disciplina accademica nel senso tradizionale. È un progetto intellettuale e politico. Una forma di attenzione che si oppone all’adattamento inconsapevole. Una pratica di consapevolezza collettiva in un momento in cui la velocità spingerebbe verso il contrario.

Questo è il documento zero di una disciplina che non esiste ancora nella forma in cui la sto immaginando. Non una risposta, ma una direzione. Non una teoria completa, ma un territorio da esplorare — con rigore, con curiosità, e con la consapevolezza che siamo allo stesso tempo i suoi osservatori e i suoi abitanti.

Una cultura nuova sta nascendo. La domanda non è se parteciperemo alla sua formazione.

La domanda è con quanta consapevolezza lo faremo.

E se quella consapevolezza sarà abbastanza, abbastanza presto.

Unisciti alla ricerca

L’antropologia agentica è una disciplina che non può nascere da una sola voce. Ha bisogno di osservatori diversi — ricercatori, professionisti, designer, antropologi, filosofi, chiunque stia vivendo questa trasformazione e abbia la curiosità e la lucidità per osservarla mentre accade.

Se questo manifesto ha risuonato con qualcosa che stai vivendo nel tuo lavoro o nella tua ricerca, se hai osservazioni, casi, domande o semplicemente la voglia di esplorare questo territorio insieme, scrivimi.

Stiamo costruendo qualcosa che non esiste ancora. Ed è esattamente per questo che vale la pena farlo.

jose@goodea.it

Sì, hai letto bene. Stiamo per parlare di carta igienica.

Non perché siamo a corto di idee, ma perché questo prodotto è la scelta più coraggiosa che potessimo fare per dimostrarti qualcosa di importante. Nessuno parla di carta igienica. Nessuno la studia. Nessuno pensa che ci sia qualcosa da imparare da un rotolo di cellulosa. Ed è esattamente per questo che l’abbiamo scelta.

Questo è un caso pratico di RADAR, il nostro servizio di analisi delle recensioni. Abbiamo preso uno dei prodotti più venduti su Amazon Italia — carta igienica Nicky Elite, oltre 6.000 vendite al mese, circa 12.000 recensioni analizzate — e abbiamo estratto tutto quello che i clienti dicono davvero, tra le righe, quando pensano di stare solo valutando un rotolo di carta.

Quello che abbiamo trovato vale molto più di un rotolo.

Il primo insegnamento: i clienti non comprano quello che pensi

Il brand comunica morbidezza, resistenza, qualità premium. Tutto corretto. Ma se leggi le 12.000 recensioni con attenzione, capisci che la vera ragione per cui la gente compra — e ricompra — non è la morbidezza. È la soddisfazione di aver fatto un acquisto intelligente.

I clienti non si sentono solo comodi. Si sentono furbi. Hanno trovato qualcosa di buono a un prezzo che le grandi marche non si sognano. Quella sensazione — “ho preso il meglio spendendo meno” — è il vero motore d’acquisto.

Ora fermati un secondo e pensa al tuo prodotto. Sei sicuro di sapere perché i tuoi clienti lo comprano davvero? O stai comunicando quello che pensi tu, non quello che sentono loro?

Questo è il cambio di paradigma che RADAR porta sul tavolo: smettere di basarsi sulle proprie convinzioni e iniziare a capire cosa vogliono davvero i clienti, con i dati in mano.

Il secondo insegnamento: le parole dei clienti sono il tuo copy migliore

Dalle 12.000 recensioni della Nicky Elite emergono due vocabolari precisi e opposti. Le parole che fanno comprare — morbida, resistente, non si sfalda, dura a lungo, rapporto qualità-prezzo imbattibile — e le parole che fanno esitare — prezzo superiore, rotoli corti, un po’ sottile.

Nessun copywriter avrebbe scritto di meglio. Perché queste non sono parole inventate in un brainstorming, sono le parole esatte che i clienti usano quando descrivono la loro esperienza. E quando le rimetti in un’ad, il cervello di chi legge le riconosce come proprie. Scatta la risonanza. Scatta la fiducia.

Applicalo al tuo prodotto: le recensioni dei tuoi clienti sono una miniera di copy autentico che stai probabilmente ignorando.

Il terzo insegnamento: i tuoi clienti non sono tutti uguali (e le tue ads non dovrebbero esserlo)

Dall’analisi emergono tre profili di acquirente completamente diversi tra loro, ognuno con una motivazione profonda differente.

Lo scettico pratico

• Vuole sentirsi furbo, non vuole pagare per il marketing altrui

• Comparazione, risparmio, valore concreto

La mamma premurosa

• Cerca sicurezza e delicatezza per la sua famiglia

• Rassicurazione, certificazioni, calore

Il Sofisticato Quotidiano

• Vuole un piccolo lusso accessibile nella routine

• Estetica, esperienza, aspirazione

Tre persone, tre messaggi, tre ads diverse. Con un’unica campagna generica stai parlando a tutti e convincendo nessuno. RADAR ti aiuta a identificare questi profili per qualsiasi prodotto, in qualsiasi categoria.

Il quarto insegnamento: i punti deboli dei competitor sono le tue frecce

L’analisi delle recensioni non serve solo a capire i tuoi clienti. Serve anche a studiare i tuoi competitor. Cosa lamentano i clienti dei brand concorrenti? Cosa li ha delusi abbastanza da farli cercare un’alternativa?

Nel caso della Nicky Elite, i clienti in fuga dalle grandi marche usano una frase rivelatrice: “Nulla da togliere rispetto agli altri grandi marchi, sicuramente si acquista a un prezzo più ragionevole.” Tradotto: le grandi marche fanno pagare il nome, non la qualità. Questa è una leva comunicativa pronta all’uso.

Per il tuo prodotto, le recensioni negative sui competitor sono un arsenale di argomenti per le tue ads. Non devi inventare nulla: i clienti ti stanno già dicendo perché preferirebbero te.

Il quinto insegnamento: l’eroe silenzioso vale più di quello che gridi

La Nicky Elite ha un punto di forza che i clienti notano e apprezzano, ma che il brand comunica poco: la certificazione FSC, l’impegno per la sostenibilità. Molte recensioni la citano come elemento positivo. Eppure nelle ads è quasi invisibile.

Ogni prodotto ha un “eroe silenzioso” di questo tipo: una caratteristica che i clienti amano alla follia ma che il brand non sta sfruttando. RADAR lo trova. E quando lo trovi, hai in mano un angolo creativo che i tuoi competitor non stanno usando.

Un rotolo di carta igienica ti ha appena insegnato a vendere meglio

Non importa cosa vendi. Che siano integratori, abbigliamento, accessori per la casa o software. Il principio è sempre lo stesso: i tuoi clienti sanno già perché comprano da te. Il problema è che nessuno gliel’ha mai chiesto davvero.

RADAR legge le recensioni al posto tuo, le analizza in profondità e ti restituisce un piano d’azione concreto per le tue campagne Meta Ads. Meno supposizioni, più dati. Meno budget sprecato, più conversioni.

Scopri cosa vogliono davvero i tuoi clienti. Realizza campagne che vendono.

Clicca qui e scrivici: RADAR

Ogni settimana parliamo di customer experience, di prodotto, di crescita. Ma raramente ci fermiamo a chiederci cosa c’è sotto. Quali strutture stanno muovendo i comportamenti delle persone. Chi le ha progettate, e con quale visione del mondo.

Questo articolo nasce da un post Linkedin di Aura Mele che mi ha colpito.

Aura lavora da anni nel product e nel growth, e a un certo punto ha scritto una cosa semplice e precisa: ottimizzare le variabili di un sistema non è la stessa cosa che interrogare la struttura che le rende possibili.

Il growth migliora le performance.

Il product migliora l’esperienza.

Ma il system thinking si chiede quale forma di vita stiamo rendendo più probabile.

Quella frase mi è rimasta in testa. E da lì è nata questa riflessione, che abbiamo sviluppato insieme. Non per fare i filosofi. Per fare meglio il nostro lavoro.

Ogni volta che apri un’app e ti sembra “ovvia”, c’è un trucco.

Stai camminando su un sentiero che qualcuno ha disegnato per te. Migliaia di piccole decisioni che ti portano esattamente dove volevano. Non decidono solo cosa clicchi.

Decidono cosa diventa normale, cosa diventa desiderabile.

Esistono grammatiche invisibili

Nel nostro mondo, quello tech, li chiamiamo design system. Una grammatica per mettere ordine. Componenti, regole, pattern. Tutto pulito, tutto scalabile.

Ma ogni grammatica ha una sua visione del mondo. Decide cosa è facile e cosa è difficile. Chi sta al centro della storia e chi finisce ai margini.

Chiunque lavori su un prodotto – designer, PM, dev – aggiunge un pezzetto a questa grammatica ogni giorno. L’obiettivo è quasi sempre operativo: “chiudiamo lo sprint”. Ma l’orizzonte è culturale: “che persone stiamo creando con questa roba?”.

È lì, in quello spazio, che il design smette di essere solo un’interfaccia. E diventa un modo per progettare culture.

Il design ti serve o ti cattura?

Per anni ci siamo riempiti la bocca di “usabilità”. Rendere le cose facili, comprensibili. Mettere l’utente al centro. Un passo avanti enorme. Ma non basta.

Puoi mettere l’utente al centro anche per fregarlo meglio.

Con l’esplosione dei modelli basati sull’attenzione, il gioco è cambiato. L’obiettivo non era più farti fare qualcosa, ma tenerti lì. Il più a lungo possibile. Scroll infiniti, notifiche che ti urlano nelle orecchie, ricompense a sorpresa che ti creano dipendenza.

C’è gente come Tristan Harris che con il suo Center for Humane Technology ci ha costruito un intero manifesto.

Il risultato? L’esperienza utente, in molti casi, è diventata una trappola.

Non un servizio. È la differenza tra curarti e usarti. Shoshana Zuboff lo chiama “capitalismo della sorveglianza”: prendono la tua vita, la trasformano in dati e ci fanno soldi.

Niente di personale. È solo business.

Le scelte degli altri

Un sistema fatto bene non ti obbliga. Rende solo alcune scelte più probabili di altre. Il vero potere è questo. Non l’imposizione, ma la spintarella silenziosa.

Ogni scelta tecnica – quante notifiche mandarti, cosa consigliarti, quando farti vedere un bollino rosso – sposta il tuo comportamento di un millimetro. Tutti insieme, questi millimetri costruiscono un sentiero. E tu lo percorri senza nemmeno accorgertene.

Un sociologo, Langdon Winner, lo diceva già negli anni ‘80: gli oggetti tecnologici non sono mai neutri. Si portano dietro potere, politica. Un feed infinito non è solo un pezzo di UX.

È un’affermazione politica su quanto vale il tuo tempo.

E su chi ha il diritto di venderlo.

I numeri che uccidono l’immaginazione

Il growth ha portato i numeri dove c’era l’istinto. A/B test, funnel, KPI. Un linguaggio comune per decidere. Ma quello che funziona oggi, deforma il domani.

Se l’unica cosa che conta è l’engagement, la retention, la conversione, allora anche l’immaginazione si adatta.

Si finisce per progettare solo quello che si può misurare.

E ci si dimentica di chiedersi se quella misura abbia un senso.

È la vecchia legge di Goodhart: quando una misura diventa l’obiettivo, smette di essere una buona misura.

Finisci per ottimizzare la cosa sbagliata.

Magari tieni l’utente incollato all’app perché è frustrato e non trova l’uscita, non perché è felice.

Stai crescendo, sì. Ma nella direzione sbagliata.

La domanda giusta da farsi

Quindi la domanda, per chi fa questo mestiere, non è più solo “quale leva muove la metrica?”.

È “dentro quale visione del mondo sto usando quella leva?”.

Ogni incentivo, ogni regola, ogni modello riflette dei valori. Che comportamento sto rendendo normale? Che rapporto tra uomo e macchina sto costruendo? Chi sto lasciando fuori da questo gioco? Chi ci guadagna davvero, da questo sistema?

Non è un invito a non crescere. È un invito a guardare cosa stai amplificando.

L’etica non è un bollino, è un processo

Nessuno lavora nel vuoto. Tutti abbiamo obiettivi, pressioni, scadenze. Ma a un certo punto, far finta di non vedere diventa una scelta.

I dark pattern raramente nascono da cattiveria. Nascono dall’indifferenza. Dalla distanza tra un numero da raggiungere e le persone reali che subiscono le conseguenze. Se chi decide il budget non parla mai con chi risponde alle lamentele degli utenti, l’indifferenza diventa parte del sistema.

Progettare sistemi, oggi, vuol dire accorciare quella distanza.

Costruire culture, non solo prodotti

Qualcuno ci sta provando. Comitati etici, metriche di benessere, design che parte dagli ultimi. Non sono la soluzione.

Ma sono un segnale.

Il prodotto non è più solo “funziona?”. È “che tipo di vita rende possibile?”.

E allora la domanda finale non è “quanti click ottengo?”.

Diventa: “che persona ti aiuto a diventare?”.

I dati non ci daranno questa risposta.

Ma non possiamo più costruire cose facendo finta che la domanda non esista.

La vera sfida non è trovare la risposta. È iniziare a fare la domanda.

Ad alta voce. In mezzo al team.

È l’unico modo per cambiare rotta.

Aura Mele ha lavorato nelle startup, nelle grandi aziende e nelle istituzioni europee. Oggi scrive di prodotto, leadership e pensiero sistemico, con la convinzione che le idee migliori arrivino da dove meno te lo aspetti. Aura M.

Uscire dall’illusione (senza smettere di creare)

A questo punto, la tentazione è forte: pensare che il problema siano i social. O, peggio ancora, pensare che creare non abbia più senso.

Sarebbe una conclusione comprensibile, ma sbagliata. E anche un po’ comoda.

Il problema non è creare contenuti. Il problema è confondere la visibilità con un progetto di vita.

L’illusione più potente della creator economy non è che tutti possano diventare famosi. È che la fama, anche minima, equivalga automaticamente a stabilità, reddito, futuro. Non è così. Non lo è quasi mai. E continuare a inseguire quella promessa senza cambiare prospettiva significa restare incastrati in un gioco che premia altri.

Uscire dall’illusione non vuol dire smettere di pubblicare. Vuol dire ridare un nome alle cose.

Creare può essere molte cose diverse: un hobby, un’espressione personale, un modo per prendere parola, un mezzo professionale.

Ma non tutte queste cose sono, automaticamente, un lavoro. E soprattutto: non tutte devono diventarlo.

Il passaggio più difficile è distinguere tra attenzione e asset.

L’attenzione è volatile, instabile, dipendente da regole che non controlli. Arriva, cresce, cala, sparisce. Un asset, invece, resta. Può cambiare forma, ma non dipende dal feed: relazioni, fiducia, competenze riconosciute, contatti diretti, reputazione fuori dalle piattaforme.

Questo spostamento di sguardo comporta un cambio di baricentro.

Meno follower, più relazioni reali. Meno numeri pubblici, più continuità privata. Meno “come cresco?”, più “a chi servo davvero?”.

Per molti, i social funzionano meglio come mezzo, non come fine. Come amplificatore, non come fondamento. Come spazio di racconto, non come unica fonte di reddito. Non è un fallimento. È una scelta di sostenibilità.

Chi riesce a stare in piedi nel tempo, spesso, non è chi ha avuto il picco più alto. È chi ha costruito confini chiari: cosa regalo, cosa vendo, cosa non tratto. Chi ha imparato a dire no prima di essere “abbastanza grande”. Chi ha capito che non tutto ciò che è visibile è automaticamente monetizzabile.

Un esempio concreto: c’è chi ha smesso di inseguire l’algoritmo e ha aperto una newsletter a pagamento con 200 iscritti. Niente numeri da mostrare, ma entrate ricorrenti. C’è chi ha ridotto la frequenza di pubblicazione e ha iniziato a vendere consulenze dirette. C’è chi ha scelto di creare solo quando ha davvero qualcosa da dire, non quando “tocca postare”.

Nessuna di queste persone è diventata famosa. Ma molte sono diventate sostenibili.

Uscire dall’illusione significa anche smettere di colpevolizzarsi. Non sei tu a essere sbagliato. È il racconto che ti ha fatto credere che bastasse essere visto.

Il sistema è ricco. L’illusione è ben costruita. La lucidità, oggi, è già una forma di libertà.

Se questa serie ha fatto una cosa sola, spero sia questa: non dirti cosa fare, ma toglierti di dosso l’idea che stessi sbagliando tu. Perché creare resta una cosa potente. Raccontare, condividere, mettere parole e immagini dove prima c’era silenzio è ancora un gesto umano, culturale, politico.

Ma perché resti tale, va sottratto alla retorica tossica della svolta facile e riportato dentro una logica più onesta: quella dei limiti, delle scelte, della progettualità.

Forse la vera maturità digitale non è diventare virali. È capire quando la visibilità ti serve e quando ti sta solo tenendo occupato.

Ma quali dati stiamo usando?

La verità è che la maggior parte delle nostre strategie si basa su dati quantitativi (volumi di ricerca, CPC, impression) e su ipotesi qualitative (le nostre “buyer personas”). Creiamo contenuti e campagne sperando che risuonino con un pubblico che immaginiamo, ma che non conosciamo veramente.

Il risultato? Secondo uno studio di Nielsen, il 60% del budget per le campagne digitali viene sprecato in messaggi che non raggiungono il pubblico giusto o non generano l’impatto desiderato.

Stiamo parlando al mercato, non con il mercato.

Oggi voglio presentarti la soluzione a questo problema: RADAR.

RADAR è un servizio di Market Resonance Intelligence che ho sviluppato per smettere di tirare a indovinare. Invece di analizzare quanti cercano una parola chiave, analizziamo perché la cercano, cosa dicono quando ne parlano e quali emozioni provano.

Come funziona?

Analizziamo milioni di conversazioni (60TB sempre aggiornati) non filtrate da forum, recensioni, social media e blog per estrarre le parole esatte, le frustrazioni reali e i desideri nascosti del tuo pubblico. Non ti diamo un report di 100 pagine pieno di grafici.

Ti consegniamo un piano d’azione strategico.

Cosa ottieni con RADAR?

1. La lista delle “parole magiche” che il tuo pubblico ama e delle “parole tossiche” che odia. Per un copy che converte all’istante.

2. La mappa delle vulnerabilità dei competitor: Un’analisi strategica che ti mostra dove i tuoi concorrenti sono deboli e come puoi trasformare le loro mancanze nel tuo vantaggio competitivo.

3. Script per annunci video e copy pronti all’uso, basati sulle tensioni reali dei clienti. Testati per catturare l’attenzione nei primi 3 secondi.

4. L’Audit CRO basato sui dati: 3-5 modifiche specifiche per il tuo sito web, basate sui dati raccolti, per aumentare le conversioni e la fiducia degli utenti.

A questo link trovi tutte le info: https://www.goodea.it/radar-market-intelligence

Registrati per ottenere la presentazione completa del servizio e 3 casi studio reali nei settori Fashion, Banking e Publishing, dove abbiamo applicato RADAR per:

• Identificare le paure nascoste dei clienti di un e-commerce di moda (e aumentare il CTR del 35%).

• Scoprire le parole che generano fiducia in un cliente del settore Fintech (e ridurre il costo per lead del 25%).

• Trovare gli angoli comunicativi per vendere libri online senza competere con Amazon (e aumentare le vendite del 18%).

Perché è fondamentale per la tua azienda ORA?

Il mercato è più affollato e rumoroso che mai. L’intelligenza artificiale generativa sta creando un’inondazione di contenuti mediocri. L’unico modo per emergere è smettere di produrre rumore e iniziare a creare risonanza.

RADAR ti dà il vantaggio competitivo di sapere esattamente cosa dire, come dirlo e a chi dirlo, basandoti su dati reali e non su ipotesi.

Sei pronto a smettere di sprecare budget e a iniziare a fare marketing che funziona davvero?

Trovi tutto qui: Goodea Radar - clicca qui

Lavorare gratis, ma con entusiasmo.

“Al momento non abbiamo budget, ma ti darebbe molta visibilità.”

È una frase gentile. Educata. Apparentemente innocua. Non arriva quasi mai come un’imposizione, ma come una proposta. A volte persino come un complimento. Come se qualcuno stesse dicendo: sei abbastanza bravo da meritare attenzione, anche se non ancora denaro.

È così che il lavoro gratuito entra senza fare rumore. Non dalla porta di servizio, ma da quella principale.

Nella creator economy, il confine tra lavoro e passione è costantemente sfumato. Crei perché ti piace. Perché ti rappresenta. Perché “tanto lo faresti lo stesso”. Questo rende tutto più facile da sfruttare. Se chiedi di essere pagato, sembri ingrato. Se sollevi un dubbio, rischi di apparire poco allineato, poco flessibile, difficile.

Intanto, però, stai lavorando.

Stai pensando a cosa dire e come dirlo. Stai producendo, montando, pubblicando. Stai rispondendo ai commenti, ai messaggi, alle richieste. Stai mettendo tempo, competenze, attenzione emotiva. Spesso anche denaro.

Ma siccome non c’è un cartellino da timbrare, quel lavoro diventa invisibile. E ciò che è invisibile è negoziabile. O peggio: normalizzabile.

La promessa implicita è sempre la stessa: adesso no, ma dopo sì. Quando cresci. Quando fai numeri migliori. Quando dimostri di valere davvero.

Il problema è che quel “dopo” arriva raramente. E quando arriva, spesso è già tardi. Troppo tardi per recuperare energie, motivazione, fiducia.

Nel frattempo, l’entusiasmo tiene in piedi tutto. È la risorsa più economica e più sfruttabile che il sistema abbia. Finché ti senti fortunato a esserci, accetterai compensi bassi. Finché temi di perdere l’occasione, dirai sì a collaborazioni sbilanciate. Finché interiorizzi l’idea che “è normale così”, smetterai persino di chiedere.

È qui che la retorica della passione diventa una forma sottile di controllo. Non ti obbliga. Ti convince. Non ti sfrutta apertamente. Ti seduce.

E quando la stanchezza arriva – perché arriva sempre – scatta un altro meccanismo perverso: il senso di colpa. Ti dici che forse non sei abbastanza motivato. Che altri ce la fanno. Che dovresti stringere i denti, essere più resiliente, più grato.

Così il burnout viene privatizzato. Non è il risultato di un sistema che chiede molto e restituisce poco, ma una fragilità individuale da gestire in silenzio.

Molti creator smettono così. Non con un annuncio. Non con un fallimento evidente. Smettono lentamente. Pubblicano meno. Rispondono meno. Si convincono che forse non era la loro strada.

Il sistema, intanto, non se ne accorge nemmeno. C’è sempre qualcun altro pronto a prendere il posto.

Lavorare gratis, in questo contesto, non è un’eccezione. È una fase strutturale. Ed è proprio per questo che va guardata in faccia, senza romanticismi.

Non per dire “smettete di creare”. Ma per smettere di chiamare opportunità ciò che spesso è solo lavoro non riconosciuto.

E per ricordarsi che anche dire di no è una competenza professionale. Forse la più sottovalutata.

Chi guadagna davvero (e perché)

Da lontano, la creator economy sembra vitale, rumorosa, affollata.

Milioni di contenuti, interazioni continue, numeri che scorrono senza sosta.

Da vicino, però, la domanda torna sempre uguale, semplice e ostinata: dove finiscono i soldi?

Perché i soldi ci sono. Non è un mercato povero. È un mercato concentrato.

Il primo soggetto che guadagna davvero è la piattaforma.

Non solo perché vende pubblicità, ma perché controlla l’intero perimetro del gioco: distribuzione, metriche, regole, accesso ai dati.

Ogni visualizzazione diventa informazione, ogni informazione diventa valore.

Il creator rende possibile questo processo, ma non lo governa.

Subito dopo arrivano i brand strutturati.

Non tutti, non sempre, ma quelli che hanno budget, tempo e capacità di assorbire il rischio.

Possono sperimentare, testare, sbagliare, cambiare direzione.

Per loro, la creator economy è una voce di spesa flessibile, non una scommessa esistenziale.

Se una collaborazione non funziona, si passa oltre.

Poi ci sono le agenzie e gli intermediari.

Alcuni svolgono un ruolo necessario, altri molto meno. In ogni caso occupano una posizione chiave: filtrano l’accesso, traducono linguaggi, selezionano chi è “affidabile”.

Anche qui, il rischio è limitato.

Se un creator salta, ce n’è sempre un altro pronto a subentrare.

In fondo alla catena ci sono i creator. La maggioranza.

Quelli che producono contenuti senza garanzie, senza minimi, senza continuità. Quelli che devono essere sempre disponibili, sempre aggiornati, sempre pronti a cogliere l’occasione giusta. Quelli che anticipano tempo, energie, attrezzatura, competenze.

Quelli che, di fatto, finanziano il sistema con il proprio lavoro gratuito o sottopagato.

Questa è l’asimmetria centrale: chi guadagna davvero non è chi rischia di più.

Il creator si assume il rischio creativo: funzionerà o no?

Quello economico: ripagherà il tempo investito?

Quello psicologico: reggerò il ritmo, l’esposizione, l’incertezza?

In cambio riceve promesse vaghe: visibilità, opportunità future, “quando cresciamo ne riparliamo”.

È un modello che assomiglia molto a un mercato del lavoro, ma senza le tutele di un mercato del lavoro.

Niente contratti standard, niente minimi garantiti, niente ferie, niente malattia.

Solo performance. Sempre misurabili, sempre confrontabili, sempre sostituibili.

Eppure tutto questo viene raccontato come libertà. Libertà di creare. Libertà di scegliere. Libertà di monetizzare “come vuoi”.

In realtà è una libertà fortemente condizionata.

Perché se non accetti certe regole non vieni punito apertamente. Vieni semplicemente reso invisibile.

L’attenzione si sposta altrove. Il flusso non aspetta.

È per questo che parlare di “opportunità per tutti” è fuorviante.

Le opportunità esistono, sì, ma sono distribuite in modo diseguale e soprattutto scaricano il rischio verso il basso.

Più sei piccolo, più rischi. Più cresci, più il sistema ti offre protezioni informali: contatti, ricorrenze, anticipo di fiducia.

Capire chi guadagna davvero non serve a puntare il dito o a cercare un colpevole.

Serve a togliere l’alone di casualità da un sistema che casuale non è.

Serve a smettere di pensare che tutto dipenda dal talento individuale e a riconoscere una verità meno consolatoria, ma più onesta: la posizione che occupi conta quanto, se non più, di quanto sei bravo.