La rivincita della "slow ai": perché il futuro dell'automazione non è istantaneo, ma ragionato

Per anni, la metrica principale con cui abbiamo giudicato la tecnologia è stata la latenza. Più un sistema era veloce, "reattivo" e scattante, migliore era considerato. Anche la prima ondata di intelligenza artificiale generativa ha seguito questo dogma: l'effetto "wow" era dato dalla capacità di ChatGPT di sputare fuori un testo, un riassunto o una traduzione in tempo reale, quasi più velocemente di quanto noi potessimo leggere.

Tuttavia, chiunque abbia provato a utilizzare questi strumenti per compiti aziendali complessi si è scontrato con il loro limite intrinseco: la superficialità. I modelli veloci tendono a "indovinare" la risposta più probabile, non necessariamente quella più logica, inciampando spesso in errori banali o allucinazioni quando il compito richiede più passaggi deduttivi.

Oggi siamo di fronte a un cambio di paradigma che potremmo definire slow ai o, più tecnicamente, l'avvento dei modelli di ragionamento (reasoning models).

L'AI che impara a fermarsi a pensare

La grande novità tecnologica degli ultimi mesi (guidata da modelli come la serie o1 di OpenAI e simili) è l'introduzione di una "catena di pensiero" (chain of thought) prima della risposta.

Quando poniamo una domanda complessa a questi nuovi modelli, il sistema non si precipita a generare l'output. Al contrario, si prende una pausa. In quei secondi di silenzio, che possono sembrare un'eternità per l'utente abituato all'istantaneità, l'AI sta lavorando dietro le quinte: scompone il problema in sottoproblemi, pianifica i passaggi necessari per risolverli, verifica i risultati intermedi e, se necessario, torna indietro e si corregge.

È la differenza che passa tra lo "sparare una risposta" d'istinto e il prendersi un minuto per riflettere prima di parlare.

Perché alle aziende serve un'AI "lenta"

Per il mondo business, questo rallentamento è in realtà un'accelerazione verso l'adozione reale. La velocità è un valore nel customer service di primo livello o nella ricerca di informazioni semplici, ma diventa un rischio in quasi tutti gli altri processi critici.

Pensiamo all'analisi di un contratto legale, all'ottimizzazione di una rotta logistica con vincoli multipli o alla scrittura di codice software per un'applicazione custom. In questi casi, l'azienda non ha bisogno di una risposta in 500 millisecondi che sia "probabilmente giusta". Ha bisogno di una risposta in 30 secondi (o anche in 5 minuti) che sia accurata, verificata e logicamente solida.

L'affidabilità, nel contesto B2B, batte la velocità dieci a zero.

Verso un nuovo tipo di software

Questo cambiamento impatterà anche il modo in cui progettiamo le interfacce e i flussi di lavoro.

Fino a oggi abbiamo integrato l'AI sotto forma di "copiloti" o chatbot con cui conversare in tempo reale. Con i modelli di ragionamento, ci sposteremo verso un modello ad "agenti". Non staremo lì a guardare il cursore che lampeggia; assegneremo un compito complesso al sistema (es. "analizza questi 50 fornitori e dimmi chi ha il rischio finanziario più alto incrociando i dati di bilancio"), chiuderemo la finestra e torneremo a fare altro, lasciando che l'AI si prenda il tempo necessario per "ragionare" e fornirci un report strutturato.

Conclusione

In Moko osserviamo con grande interesse questa evoluzione perché risolve uno dei freni principali all'adozione dell'AI nei processi critici: la fiducia. Accettare che una macchina "pensi" per qualche secondo in più non è un passo indietro nelle prestazioni, ma un passo avanti nella qualità del risultato. Stiamo passando dall'era dell'automazione dei compiti semplici all'era dell'automazione del ragionamento complesso, e questa volta vale la pena aspettare un attimo.