Intelligenza artificiale e consulenza: un botta e risposta

Articolo di Marco Simontacchi

22 settembre 2026

Prendendo spunto dal lavoro svolto per l’aggiornamento del modello di break even point dinamico, del bilancino periodico e del piano di orientamento strategico di un cliente dello Studio, raccogliamo in questo articolo una serie di domande e risposte sull’uso professionale dell’intelligenza artificiale in un contesto di consulenza alle imprese.

Domanda. Pur avendo impartito istruzioni precise, l’AI ha formulato tre volte consecutivamente lo stesso errore di calcolo, anziché prendere i dati futuri da quelli certi forniti ha utilizzato il dato medio mensile dei mesi passati. Come mai?

Risposta. La causa non è una dimenticanza nel senso in cui la intenderebbe una persona, ma un effetto di come un modello linguistico genera i numeri. Quando in una tabella compaiono diversi mesi di consuntivo seguiti da celle da proiettare, il segnale più forte che il modello percepisce è la regolarità della serie storica che ha davanti, non l’istruzione impartita una volta all’inizio della conversazione.

Se il dato certo per i mesi futuri viene fornito in un punto diverso, magari in un messaggio separato o in un formato testuale distinto dalla tabella su cui si sta calcolando, quell’istruzione tende a perdere peso rispetto al pattern numerico che il modello ha sotto gli occhi in quel momento, e il modello scivola verso il comportamento più probabile in base a ciò che ha visto in milioni di fogli di calcolo simili, cioè estendere la media storica.

La ripetizione per tre volte è il dettaglio più rivelatore. Se le correzioni erano mirate a sistemare il singolo valore sbagliato invece della regola che genera tutte le celle future, la stessa logica di calcolo ha prodotto lo stesso errore ogni volta che il foglio è stato rigenerato. È un problema di regola, non di intelligenza.

Per questo, quando si lavoro con l’AI su strumenti come il break even point dinamico o il previsionale, bisogna imparare a non fidarmi dell’istruzione data una sola volta: serve un controllo puntuale su ogni cella proiettata, mese per mese, verificando che il dato certo sia stato effettivamente utilizzato e non ricalcolato. È lo stesso tipo di supervisione che si riserverebbe a un collaboratore junior, non un’eccezione riservata all’AI.

Domanda. La risposta è chiara, quindi l’AI che utilizziamo è considerabile alla stregua di uno junior come affidabilità e quindi necessita di supervisione?

Risposta. Il paragone regge, ma va precisato per non essere fuorviante. Come uno junior capace, l’AI applica bene le regole note, elabora in fretta grandi quantità di dati e restituisce un lavoro solido nella maggior parte dei casi.

La differenza sostanziale riguarda il modo in cui l’errore si manifesta. Uno junior che non è sicuro di un calcolo tende a fermarsi e a chiedere conferma, o quantomeno segnala il dubbio.

L’AI, per come è costruita, produce comunque una risposta con lo stesso grado di sicurezza espositiva sia che il ragionamento sia corretto sia che non lo sia; quindi l’errore non si annuncia da solo e può passare inosservato proprio perché il tono del risultato è sempre fluido e convincente.

Per leggere tutto l’articolo: