L’Ai è ormai diventata parte integrante del modo di ricercare le informazioni online. Che si tratti dei compiti degli studenti, delle email di lavoro o di ricerche scientifiche e testi di giornale, è davvero raro che almeno qualche passaggio non sia fatto con gli strumenti Ai più famosi come ChatGpt, Gemini o CoPilot.
In fondo danno risposte velocissime, accurate, complete su qualsiasi argomento, da come fare la pizza ai più reconditi dati storici su Galileo Galilei. Ed è così in effetti. Almeno nel 95% dei casi, circa.
Ma cosa succede in quella minima percentuale di situazioni in cui l’Ai prende letteralmente Roma per toma e fornisce informazioni che nel migliore dei casi sono evidentemente errate, e nel peggiore perfettamente plausibili ma inventate?
Nel 2023, un caso giudiziario negli Stati Uniti ha segnato una svolta: due avvocati sono stati sanzionati per aver presentato in tribunale citazioni legali, generate da un sistema Ai, completamente inesistenti.
Non si trattava di un errore umano tradizionale, ma di un’‘allucinazione, dell’Ai: contenuti plausibili, ben strutturati, ma privi di qualsiasi fondamento reale. Questo episodio ha reso evidente un limite.
Come evidenziato anche da Harvard Business Review, questi sistemi non distinguono tra vero e plausibile: ottimizzano per coerenza linguistica, non per accuratezza fattuale. Per questo motivo, anche i principali player stanno integrando l’Ai con crescenti livelli di supervisione umana, policy interne e sistemi di verifica delle fonti. Microsoft, ad esempio, ha introdotto nei suoi Copilot meccanismi di ‘grounding’ sui dati aziendali e strumenti di tracciabilità delle informazioni, proprio per ridurre il rischio.
Tasso di allucinazione nei modelli Ai
Confronto tra i principali Llm (al 20-III-2026)
Se è evidente in contesti legali o consulenziali, diventa ancora più invisibile, e per questo più pericoloso, nella quotidianità della conduzione aziendale. L’Ai è già entrata nei meeting: trascrive, riassume, identifica decisioni, assegna task. Apparentemente, un salto di qualità in termini di efficienza e accountability. Ma ecco che già emergono due criticità.
La prima: l’Ai non si limita a registrare, interpreta. Nei meeting summary automatici, sfumature vengono semplificate, decisioni implicite diventano esplicite, responsabilità possono essere attribuite in modo impreciso. La riunione non viene solo documentata, ma in parte riscritta. Ciò che era dibattuto diventa allineato, ciò che era sfumato, diventa definitivo.
La seconda riguarda il comportamento. Studi recenti evidenziano il cosiddetto Recorded Effect: sapere di essere registrati modifica il modo in cui le persone partecipano. Gli interventi diventano più cauti, il disaccordo si riduce, la spontaneità diventa una comunicazione più controllata.
Il risultato è un paradosso manageriale.Da un lato: maggiore efficienza, memoria organizzativa, tracciabilità. Dall’altro: meno confronto reale, meno dissenso, minore sicurezza psicologica. Per un’organizzazione, questo significa rischiare di ‘ricordare tutto’, ma comprendere meno. Di prendere decisioni su una realtà filtrata, dalla tecnologia e dal comportamento adattivo delle persone.
E forse il punto non è più dove lavoriamo. Ma quando scegliamo di incontrarci: fuori dagli schermi, fuori dalle trascrizioni, fuori dalla logica dell’ottimizzazione. Nel lungo periodo, non vincono le organizzazioni che registrano tutto, ma quelle in cui le persone possono dire ciò che non è ancora ‘pronto’ o condiviso. La vera domanda non è se le vostre riunioni siano più efficienti. Ma se sono ancora abbastanza scomode da generare decisioni migliori.
© Riproduzione riservata