L’articolo analizza il passaggio più critico dell’intelligenza artificiale: non la costruzione dei modelli, né la promessa di produttività, ma l’integrazione concreta nei processi di lavoro. A partire dalla riflessione di Will Douglas Heaven su MIT Technology Review, il testo evidenzia perché ingegneri, architetti, imprese, studi tecnici e redazioni debbano affrontare l’AI con metodo: sperimentazione controllata, verifica degli output, responsabilità professionale, governance dei dati e misurazione dei risultati. Il caso INGENIO mostra come l'Intelligenza artificiale generativa possa diventare strumento operativo solo se inserita in procedure, controlli e pratiche editoriali trasparenti.

Intelligenza artificiale: tra promessa trasformativa e prova dei fatti manca ancora lo “Step 2”

Premessa: l’AI corre, ma il metodo resta indietro

La storia recente dell’intelligenza artificiale generativa è segnata da un’accelerazione impressionante: modelli linguistici sempre più potenti, agenti capaci di svolgere compiti complessi, strumenti di coding che promettono di aumentare la produttività degli sviluppatori, applicazioni sperimentali in ambito legale, finanziario, sanitario, progettuale, editoriale e industriale.

Eppure, proprio nel momento in cui il racconto pubblico dell’AI tende a polarizzarsi tra entusiasmo salvifico e paura esistenziale, emerge una domanda molto più concreta, forse meno spettacolare, ma decisiva: come passa davvero l’intelligenza artificiale dal laboratorio, dalla demo e dal benchmark alla trasformazione stabile dei processi di lavoro?

Il problema non è più soltanto chiedersi se l’AI sia potente.

Il problema è capire dove funziona, con quali limiti, dentro quali organizzazioni, con quali responsabilità, con quali costi nascosti e con quali effetti sulle professioni.

È in questo spazio intermedio — tra la tecnologia costruita e la trasformazione promessa — che si colloca la riflessione di Will Douglas Heaven. Secondo quanto contenuto nella newsletter “Today’s edition of The Algorithm” di Will Douglas Heaven, pubblicato su MIT Technology Review – The Algorithm il 27 aprile 2026, il dibattito sull’intelligenza artificiale è oggi attraversato da un grande vuoto logico: le aziende hanno costruito la tecnologia, promettono una trasformazione economica e sociale, ma non è ancora chiaro quale sia il passaggio operativo che dovrebbe collegare questi due estremi.

Heaven riprende una metafora efficace, tratta da un celebre episodio di South Park: gli “underpants gnomes”, gli gnomi che rubano mutande e presentano un piano d’impresa surreale:

“Phase 1: Collect underpants. Phase 2: ? Phase 3: Profit.”

Il paragone con l’AI è immediato.

Le imprese tecnologiche hanno realizzato il primo passaggio: modelli sempre più avanzati. Hanno anche annunciato il terzo: crescita, produttività, automazione, trasformazione economica. Ma il secondo passaggio — il “come” — resta spesso indefinito.

Heaven lo sintetizza con una formula che funziona quasi come titolo del tempo presente:

“Companies have built the tech (Step 1) and promised transformation (Step 3). How they get there is still a big question mark.”

La sintesi: tra Pause AI, promesse industriali e studi ancora fragili

L’articolo parte da un volantino raccolto da Heaven durante una manifestazione anti-AI a Londra, organizzata anche dal gruppo internazionale Pause AI. Il messaggio era provocatorio: “Step 1: Grow a digital super mind. Step 2: ? Step 3: ?”. La richiesta finale era ancora più esplicita:

“Pause AI until we know what the hell Step 2 is.”

Per gli attivisti, lo “Step 2” dovrebbe passare da una qualche forma di regolazione: ma quale regolazione, con quali poteri, con quali autorità e con quali criteri di applicazione resta materia di confronto aperto.

Dall’altra parte, osserva Heaven, i sostenitori più convinti dell’AI tendono a vedere nello “Step 3” una sorta di salvezza: crescita economica, produttività, automazione cognitiva, nuove capacità per imprese e lavoratori. Ma anche in questo caso il passaggio intermedio viene spesso trattato con eccessiva disinvoltura.

L’articolo cita due studi recenti come esempi di questa incertezza.

Il primo, di Anthropic, prova a prevedere quali lavori saranno più esposti all’impatto dei grandi modelli linguistici.

Tra le categorie richiamate: manager, ingegneri, architetti, professionisti dei media; meno esposti, secondo questa lettura, sarebbero invece addetti alla manutenzione del verde, operai edili e lavoratori dell’ospitalità. Ma Heaven invita alla prudenza: queste previsioni sono basate soprattutto su ciò che i modelli sembrano saper fare, non necessariamente su ciò che fanno davvero in contesti produttivi reali.

Il secondo studio, pubblicato a febbraio da ricercatori di Mercor, startup specializzata nel recruiting AI, ha testato agenti basati su modelli di OpenAI, Anthropic e Google DeepMind su 480 compiti lavorativi tipici di banker, consulenti e avvocati. Il risultato, secondo la sintesi riportata da Heaven, è netto: ogni agente testato ha fallito nel completare la maggior parte delle attività assegnate.

Il punto non è negare il potenziale dell’AI. Il punto è evitare che la previsione sostituisca la prova.

Approfondimento: il vero banco di prova è l’organizzazione del lavoro

La riflessione di Heaven è particolarmente interessante per un pubblico tecnico, perché sposta l’attenzione dal modello alla messa in opera. È un passaggio familiare a chi si occupa di costruzioni, progettazione, impianti, infrastrutture o processi industriali: una tecnologia non cambia il mondo perché esiste, ma perché viene integrata in un sistema reale, con vincoli, procedure, responsabilità, manutenzione, controlli, costi e competenze.

L’AI non entra in un ambiente neutro.

Entra in uffici tecnici, studi professionali, imprese, pubbliche amministrazioni, redazioni, società di consulenza, banche, studi legali, software house. Entra cioè in organizzazioni già abitate da persone, abitudini, procedure, errori, gerarchie, modelli decisionali e sistemi informativi spesso stratificati.

Heaven lo dice con una frase molto efficace:

“They need to work in places contaminated with people and existing workflows.”

È una provocazione, ma anche una diagnosi. Le tecnologie digitali funzionano bene nelle demo perché l’ambiente è controllato. Nei processi reali, invece, il valore nasce dall’interazione con dati sporchi, responsabilità distribuite, eccezioni, ritardi, ambiguità, contratti, norme, prassi consolidate e decisioni che non sono mai puramente computazionali.

Per questo il tema dell’AI non può essere ridotto alla domanda: “Il modello è abbastanza intelligente?”. La domanda più seria è: il sistema organizzativo è capace di usare quella intelligenza senza perdere controllo, qualità e responsabilità?

Nel settore delle costruzioni, questa riflessione è ancora più importante.

Architettura, ingegneria, BIM, digital twin, progettazione generativa, gestione documentale, analisi normativa, computazione, sicurezza, manutenzione predittiva e controllo di cantiere sono tutti ambiti nei quali l’AI può offrire un contributo significativo. Ma nessuno di questi ambiti può essere automatizzato come se fosse un esercizio astratto.

Un errore in un testo può generare disinformazione. Un errore in un progetto, in una verifica, in una prescrizione tecnica o in un processo autorizzativo può generare responsabilità professionali, costi, contenziosi e rischi concreti.

Per questo lo “Step 2” dell’AI, per i professionisti tecnici, dovrebbe includere almeno tre passaggi: sperimentazione controllata, validazione dei risultati e ridefinizione dei processi.

Non basta aggiungere un chatbot a un flusso esistente. Occorre capire quali attività può supportare, quali non deve sostituire, dove serve controllo umano, quali dati può trattare, chi risponde dell’output e come si misura il beneficio reale.

Conclusione: meno profezie, più evidenze

Il merito dell’articolo di Will Douglas Heaven è quello di riportare il discorso sull’intelligenza artificiale a una dimensione più adulta. Non l’entusiasmo cieco di chi vede nell’AI la soluzione automatica a ogni problema. Non il rifiuto totale di chi vorrebbe fermare tutto in attesa di certezze impossibili. Ma una terza via, più esigente: costruire evidenze.

Heaven conclude chiedendo meno supposizioni e più prove, più trasparenza da parte dei produttori di modelli, maggiore coordinamento tra ricerca e imprese, e nuovi strumenti di valutazione capaci di misurare che cosa accade davvero quando l’AI viene introdotta nel mondo reale.

È qui che si gioca la credibilità della prossima fase.

L’intelligenza artificiale potrà essere trasformativa solo se saprà uscire dalla retorica della promessa e confrontarsi con la complessità dei processi. In altre parole, il futuro dell’AI non dipende soltanto dalla potenza dei modelli, ma dalla qualità dello “Step 2”: governance, metodo, validazione, integrazione, responsabilità.

Perché, come ricorda implicitamente la metafora degli gnomi di South Park, tra raccogliere mutande e fare profitto non basta mettere un punto interrogativo. Serve un progetto. E nel caso dell’intelligenza artificiale, serve anche una prova.

INGENIO e lo “Step 2”: dall’uso del chatbot alla costruzione di un metodo editoriale

Per INGENIO questo “Step 2” non è un tema astratto, né una formula da convegno. È un percorso iniziato da circa due anni, fatto di prove, errori, scelte operative, regole interne e progressiva integrazione dell’intelligenza artificiale nel lavoro quotidiano della redazione.

All’inizio il confronto è stato necessariamente sperimentale: sono stati testati più chatbot, valutandone affidabilità, capacità di supporto, qualità delle risposte, limiti nella comprensione dei contenuti tecnici e utilità effettiva per una testata che si rivolge a ingegneri, architetti, tecnici, imprese, progettisti e operatori della filiera delle costruzioni. Da quella fase di esplorazione si è passati poi a una scelta più strutturata: individuare uno strumento principale di supporto alla redazione e costruire attorno ad esso un sistema di utilizzo controllato.

Negli ultimi mesi, tuttavia, questo approccio si è ulteriormente evoluto. INGENIO ha scelto di attivare abbonamenti a più chatbot, con l’obiettivo di consentire a ogni persona della redazione di utilizzare almeno due strumenti diversi. Non si tratta di una duplicazione fine a se stessa, ma di una scelta metodologica: confrontare le risposte, verificare gli approcci, cogliere differenze di impostazione, qualità argomentativa, capacità di sintesi, affidabilità nella ricerca e coerenza nel trattamento dei contenuti tecnici. In altre parole, anche l’uso dell’AI è stato impostato secondo un principio di pluralità e controllo incrociato.

Il punto decisivo non è stato “usare l’AI”, ma capire come, dove e con quali responsabilità usarla. Per questo sono state definite procedure interne, ambiti di applicazione e regole redazionali. L’intelligenza artificiale è stata impiegata per attività di ricerca preliminare, per la riorganizzazione e il miglioramento dei testi, per l’analisi semantica degli articoli, per l’ottimizzazione SEO e, in alcuni casi, per la predisposizione di contenuti basati su fonti attendibili, sempre sottoposti a verifica e controllo editoriale.

In alcune occasioni INGENIO ha scelto anche di sperimentare articoli a doppia firma, umana e digitale, introducendo un principio che riteniamo centrale: la trasparenza. Quando il supporto del chatbot è stato significativo, il lettore è stato informato. Non per inseguire una moda, ma per affermare un criterio di responsabilità: l’AI può collaborare alla costruzione del contenuto, ma la direzione editoriale, la verifica delle fonti, il giudizio critico e la responsabilità finale restano umani.

Questo percorso ha riguardato anche il patrimonio editoriale già pubblicato. Sono stati predisposti progetti di prompt e procedure di analisi per rileggere gli articoli esistenti, migliorarne la chiarezza, rafforzarne la reperibilità sui motori di ricerca e renderli più comprensibili anche dai sistemi generativi. L’obiettivo non è semplicemente “scrivere di più”, ma costruire contenuti più ordinati, più utili, più autorevoli e più facilmente intercettabili da lettori, motori e chatbot.

È un lavoro quotidiano. In redazione, tre riunioni settimanali sono dedicate anche all’analisi dei contenuti, alle proposte di miglioramento, alla lettura dei dati, alla definizione delle strategie editoriali e alla valutazione di nuove modalità operative. L’intelligenza artificiale non è stata inserita come scorciatoia, ma come strumento da governare dentro un processo professionale.

Negli ultimi mesi questo percorso ha coinvolto in modo crescente anche i clienti e i partner di INGENIO. L’AI è diventata non solo un supporto interno, ma anche un’occasione per ripensare insieme la qualità della comunicazione tecnica: come rendere un contenuto più leggibile, più indicizzabile, più autorevole, più utile per un professionista e più riconoscibile per i sistemi digitali che oggi mediano l’accesso alla conoscenza.

Ma proprio per questo il percorso è tutt’altro che concluso. Lo “Step 2” non è una fase da completare una volta per tutte. È una pratica continua: scegliere, testare, verificare, correggere, aggiornare, formare le persone, ridefinire le regole, migliorare i prompt, misurare i risultati, riconoscere gli errori e mantenere alta la responsabilità editoriale.

Per INGENIO, l’intelligenza artificiale non sostituisce il giornalismo tecnico. Lo costringe, semmai, a essere più consapevole del proprio metodo. Perché nel mondo dell’informazione professionale il valore non sta soltanto nel produrre contenuti, ma nel costruire fiducia. E la fiducia, anche nell’era dell’AI, nasce ancora da tre elementi che nessun modello può garantire da solo: competenza, verifica e responsabilità.

FAQ TECNICHE: AI governance per professioni tecniche | Ingenio

Che cosa significa “Step 2” nell’adozione dell’intelligenza artificiale?
Lo “Step 2” indica il passaggio intermedio tra la disponibilità della tecnologia e i benefici promessi.
Nel caso dell’AI, non coincide con l’uso occasionale di un chatbot, ma con l’integrazione governata nei processi reali.
Per ingegneri, architetti e redazioni tecniche significa definire ambiti d’uso, controlli, responsabilità, criteri di verifica e limiti operativi.
È la fase in cui la promessa tecnologica deve diventare metodo professionale.

In quali contesti tecnici l’AI può essere applicata con maggiore utilità?
L’AI può supportare ricerca documentale, analisi normativa preliminare, sintesi di testi, controllo semantico, organizzazione di contenuti, computazione assistita, gestione documentale e supporto alla progettazione.
Nel settore AEC può essere utile anche in BIM, digital twin, manutenzione predittiva, controllo di cantiere e analisi di grandi quantità di dati tecnici.
Resta però necessario distinguere tra supporto operativo e sostituzione decisionale.
Le attività con impatto su sicurezza, conformità, responsabilità professionale o autorizzazioni richiedono sempre controllo umano qualificato.

Esistono norme o standard utili per governare l’uso dell’AI?
Sì, il tema è collegato a standard internazionali su sistemi di gestione, rischio e terminologia dell’intelligenza artificiale.
Tra i riferimenti più pertinenti rientrano ISO/IEC 42001:2023 per i sistemi di gestione dell’AI, ISO/IEC 23894:2023 per il risk management e ISO/IEC 22989:2022/EN ISO/IEC 22989:2023 per concetti e terminologia.
Per l’applicazione italiana occorre verificare l’adozione UNI/CEI e l’eventuale recepimento nazionale.
[Verificare specifica tecnica/norma]

Quali vantaggi può offrire l’AI a ingegneri e architetti?
L’AI può aumentare la capacità di ricerca, accelerare la riorganizzazione di testi e dati, migliorare la leggibilità dei documenti e aiutare a individuare connessioni tra norme, progetti e contenuti tecnici.
Può inoltre supportare la produzione di bozze, checklist, FAQ, schemi di controllo e analisi comparative.
Il vantaggio non è automatico: nasce solo se lo strumento viene inserito in un flusso controllato.
Senza validazione, il rischio è trasformare un’accelerazione operativa in una perdita di affidabilità.

Come va impostata una procedura interna per usare l’AI in modo professionale?
Una procedura efficace dovrebbe definire chi può usare l’AI, per quali attività, con quali fonti, con quali limiti e con quale livello di revisione.
Occorre distinguere tra uso esplorativo, uso redazionale, supporto tecnico, analisi normativa e attività a rischio elevato.
Ogni output rilevante deve essere verificato da una persona competente, soprattutto quando riguarda norme, dati, prescrizioni, responsabilità o sicurezza.
È utile prevedere anche confronto tra più strumenti, tracciabilità delle fonti e criteri di trasparenza verso il lettore o il cliente.

Come si controllano durabilità e qualità di un processo basato su AI?
La qualità non dipende solo dal modello utilizzato, ma dalla stabilità del processo in cui viene inserito.
Servono controlli periodici sui risultati, aggiornamento dei prompt, revisione delle procedure, formazione delle persone e verifica delle fonti.
Nel tempo vanno misurati errori ricorrenti, tempi risparmiati, qualità degli output, coerenza terminologica e impatto sul lavoro umano.
La manutenzione del processo AI è quindi organizzativa prima ancora che tecnologica.

Quali errori devono evitare studi tecnici, imprese e redazioni?
Il primo errore è considerare l’AI come una scorciatoia senza responsabilità.
Il secondo è usare output non verificati in ambiti tecnici, normativi o progettuali.
Il terzo è confondere una risposta plausibile con una risposta corretta.
Vanno evitati anche l’uso di dati riservati senza policy, la mancanza di controllo umano, l’assenza di tracciabilità e l’affidamento a un solo strumento senza confronto critico.
Nel mondo tecnico, l’AI deve rafforzare il metodo, non sostituirlo.

RIFERIMENTI NORMATIVI UTILI

UNI CEI ISO/IEC 42001:2023
Titolo: Information technology — Artificial intelligence — Management system / Sistemi di gestione per l’intelligenza artificiale.
Rilevanza: è il riferimento più pertinente per collegare l’articolo al tema della governance organizzativa dell’AI, cioè procedure, ruoli, responsabilità, gestione del rischio e miglioramento continuo.
Link suggerito: “UNI CEI ISO/IEC 42001:2023”.

UNI CEI ISO/IEC 23894:2023
Titolo: Information technology — Artificial intelligence — Guidance on risk management.
Rilevanza: è rilevante perché l’articolo insiste sul rischio di adottare l’AI senza prove, validazione e criteri di controllo nei processi reali.
Link suggerito: “UNI CEI ISO/IEC 23894:2023”.

UNI CEI EN ISO/IEC 22989:2023
Titolo: Information technology — Artificial intelligence — Artificial intelligence concepts and terminology.
Rilevanza: utile per stabilire un lessico tecnico condiviso su AI, sistemi di AI, ciclo di vita, ruoli e concetti di base, evitando ambiguità comunicative nei contenuti professionali.
Link suggerito: “UNI CEI EN ISO/IEC 22989:2023”.