Che cosa funziona già ed è collaudato, che cosa è ancora ricerca, e perché la differenza conta più di ogni promessa.
Il percorso che porta una norma a diventare un servizio eseguibile ha quattro stadi. Il primo passaggio è il problema aperto. I tre successivi sono industriali: si compiono, si ripetono e si collaudano.
La materia prima non arriva mai in forma di testo unico. Arriva come un fascicolo: una legge, un decreto attuativo, un regolamento, tre delibere, gli allegati, una determinazione che ne modifica una parte, e spesso una versione precedente che qualcuno ha dimenticato di abrogare.
Portare quel fascicolo a un testo unico nel modo più automatizzato possibile e con un livello di affidabilità elevato è il problema che oggi non è risolto. E non è un problema nostro: è un problema aperto su cui lavora la ricerca internazionale, e noi con essa.
È anche il punto che decide tutto il resto. Un testo unico sbagliato genera un servizio perfettamente deterministico che applica con precisione la regola sbagliata.
L'intelligenza artificiale cambia così in fretta che il pubblico, comprese persone competenti e in buona fede, ha smesso di distinguere due categorie di risultato che non hanno nulla in comune.
Un riassunto, una bozza, una traduzione, una spiegazione, un pezzo di codice. Cose impressionanti, immediate, alla portata di chiunque abbia un abbonamento.
Il costo di ottenerle tende a zero. E il loro valore, di conseguenza, pure.
Un risultato che deve essere esatto, ripetibile e difendibile davanti a chi lo contesta. Non si ottiene chiedendolo meglio: si ottiene costruendo un sistema capace di accorgersi dei propri errori.
Non si inventa con un prompt, per quanto lungo e ben scritto.
Confondere le due categorie produce due danni opposti e ugualmente costosi: si promette l'impossibile a chi comprerebbe, e non si crede al possibile chi ne avrebbe bisogno. Per questo cominciamo dicendo dove passa la linea, anche a costo di ammettere che una parte del problema non è risolta.
«I sistemi di intelligenza artificiale generativa a volte sbagliano» è un modo di dire che addolcisce la realtà e, addolcendola, la rende inutilizzabile. In pratica sbagliano di continuo, su scala, e con lo stesso tono sicuro con cui hanno ragione.
Il problema da risolvere non è farli sbagliare di meno. È sapere quando sbagliano.
È una riformulazione che cambia tutto il progetto tecnico. Se l'obiettivo è ridurre l'errore, si finisce a limare il prompt all'infinito, e si resta sempre dentro il margine di incertezza del modello. Se l'obiettivo è rilevare l'errore, serve qualcosa che il modello da solo non è: un sistema che confronti, misuri e reagisca.
È il passaggio che cambia il modo di usare l'intelligenza artificiale. Non un prodotto ottenuto chiedendo bene a un modello, ma un insieme di componenti che si controllano a vicenda, dove l'uscita torna all'ingresso e viene confrontata con un riferimento.
Oggi verificare che un ente, una banca o un'impresa applichi davvero la regola che dice di applicare è un lavoro artigianale, lento e costoso: si fa a campione, su pochi casi, e quasi mai in modo ripetibile.
Se il passaggio dal fascicolo di documenti al testo unico diventa affidabile in modo automatizzato, tutto ciò che sta a valle è già industriale, e allora il rispetto della conformità può esplodere: non più un controllo a campione, ma una verifica eseguibile, su tutti i casi, ogni volta che la norma cambia.
Siamo vicini a un livello accettabile. Per arrivarci servono più risorse di quelle che una struttura piccola riesce a mettere in campo da sola: è la ragione per cui questa pagina esiste ed è scritta così.