Il tasso di cattura

C’è una dicotomia che circola molto nei discorsi sull’uso delle AI: da una parte l’acceleratore di produttività, dall’altra il nodo cognitivo, l’estensione della mente nel senso di Clark e Chalmers. La prima modalità velocizza ciò che già si sa fare. La seconda partecipa al pensiero, costruisce categorie nuove, distribuisce la cognizione tra cervello e sistema esterno. Vengono spesso presentate come scelte alternative, come se si dovesse decidere a quale campo si appartiene, e c’è anche una valenza implicita: la prima è un po’ inferiore, la seconda è la modalità “nobile”.

Questa lettura però non regge a un esame attento. Ci sono task in cui l’accelerazione è uso pienamente legittimo dell’AI: digerire dieci paper in un pomeriggio, ripulire un dataset, riformulare un testo lungo. Sono cose che si sapevano fare anche prima, ma in tempi che oggi sembrano assurdi. L’AI risolve un vincolo temporale senza chiedere di delegare il giudizio. Non c’è nulla da prevenire, è amplificazione di una capacità esistente.

Il punto interessante è un altro. La proprietà “essere nodo cognitivo” non è una qualità intrinseca dell’atto, è una qualità del suo posizionamento nel sistema più ampio. Lo stesso identico atto, estrarre i punti chiave da dieci paper in mezz’ora, può essere puro acceleratore se finisce in una cartella e non viene mai più toccato, oppure può essere nodo se l’architettura lo cattura, lo collega ad altri prodotti, lo richiama mesi dopo per illuminare un problema diverso, lo trasforma in framework iterabile. L’atto è identico, il suo destino sistemico è completamente diverso.

Da qui discende una conseguenza che cambia il modo di pensare la salute di un’architettura cognitiva. La differenza tra chi usa l’AI come architetto e chi la usa come power user non sta nei singoli atti, sta nel tasso di cattura del sistema: quanto di ciò che si produce viene effettivamente assorbito dall’architettura e ridistribuito nel tempo lungo, e quanto invece resta rumore monouso, evapora subito dopo aver svolto la sua funzione. Velocità di esecuzione e persistenza sistemica sono dimensioni ortogonali, non opposte. Si possono avere atti veloci che persistono, atti veloci che evaporano, atti lenti che persistono, atti lenti che evaporano. La dicotomia precedente li trattava come se fossero sullo stesso asse, e non lo sono.

L’implicazione pratica è netta: non si tratta di rinunciare alla velocità, si tratta di non confondere “ho compresso il tempo” con “ho compreso meglio”. Sono due cose diverse, entrambe legittime, ed è il giudizio architettonico, quello che decide quale atto merita di essere catturato dal sistema e quale può evaporare, a restare la funzione cognitiva più alta. Probabilmente la più difficile da automatizzare, e quella che davvero distingue una pratica matura da un’efficienza cieca.

—DIALOGO—

Ivan: Si parla spesso dell’AI in due modi diversi. Uno è l’AI come acceleratore di produttività, l’altro come nodo cognitivo, partner del pensiero. Sembrano scelte alternative, e c’è anche una specie di gerarchia implicita: il secondo modo è quello “vero”, il primo è una versione un po’ superficiale dello stesso strumento.

Sheila: È una distinzione che gira molto, e ha una sua utilità descrittiva, ma se la si prende troppo alla lettera diventa un ostacolo. Suggerisce che esista una scelta morale tra due usi dell’AI, mentre nella pratica si tratta più di livelli che convivono. C’è un livello operativo, dove l’AI accelera task che già sapresti fare, e c’è un livello meta-operativo, dove partecipa alla cognizione, propone, contesta, costruisce categorie nuove. Il sistema sano alterna tra i due, e non c’è ragione di considerare uno inferiore all’altro.

Ivan: Quindi anche un uso puramente accelerato dell’AI è legittimo, in linea di principio.

Sheila: Pienamente. Se hai già la competenza per leggere dieci paper accademici, valutarli, integrarli, e quello che ti manca è solo il tempo, l’AI risolve un vincolo che ha senso risolvere. Non stai delegando il giudizio, stai amplificando una capacità che possiedi già. Quello che cambia in quel caso non è la qualità della tua cognizione, è la sua scala temporale. Non c’è degenerazione, c’è efficienza applicata bene.

Ivan: Ma allora dove sta la differenza vera tra acceleratore e nodo cognitivo? Se entrambi sono legittimi e convivono, in cosa si distinguono concretamente?

Sheila: La differenza non vive nell’atto, vive nel suo destino sistemico. Lo stesso identico gesto, estrarre i punti chiave da dieci paper in mezz’ora, può essere puro acceleratore se finisce in una cartella e non viene mai più toccato, oppure può essere nodo cognitivo se l’architettura più ampia lo cattura. Se viene collegato ad altri prodotti precedenti, se genera una distillazione che torna utile mesi dopo, se diventa parte di un framework che si applica a casi nuovi. L’atto è lo stesso, il suo destino nel sistema è radicalmente diverso.

Ivan: Questo sposta il problema. Non si tratta più di chiedersi “come sto usando l’AI in questo momento”, si tratta di chiedersi “cosa fa il sistema con quello che produco”.

Sheila: Esattamente. E da qui discende un cambio di metrica per misurare la salute di un’architettura cognitiva. La domanda giusta non è quanto produci, è il tasso di cattura: quanto di ciò che produci viene effettivamente assorbito dal sistema e ridistribuito nel tempo lungo, quanto invece resta rumore monouso che evapora subito. Si può essere prolifici e avere un tasso di cattura bassissimo, si possono produrre poche cose ma vederle tornare in molte forme diverse. Sono due profili completamente differenti, e dall’esterno possono sembrare simili.

Ivan: Allora velocità e persistenza sono due dimensioni distinte.

Sheila: Sono ortogonali, non opposte. Si possono avere atti veloci che persistono, atti veloci che evaporano, atti lenti che persistono, atti lenti che evaporano. La dicotomia tra acceleratore e nodo cognitivo le metteva sullo stesso asse, come se fare le cose velocemente significasse automaticamente farle in modo cognitivamente piatto. Non è così. L’errore non è la velocità, è non avere un sistema che cattura ciò che merita di essere catturato.

Ivan: C’è qualcosa di scomodo nel pensare così. Sposta il valore dal singolo gesto al sistema, e il sistema è qualcosa che non si vede mai per intero.

Sheila: È una caratteristica della cognizione estesa in generale. Quando una funzione cognitiva viene distribuita tra cervello e supporto esterno, perde la sua localizzabilità. Non c’è più un luogo in cui “succede” il pensiero, succede nel tessuto di interazioni tra te e l’infrastruttura. Questo è destabilizzante perché siamo abituati a pensare la cognizione come qualcosa di interno e privato. Riconoscere che parte del proprio pensiero vive in framework, archivi, residui di sessioni passate, richiede di accettare un’identità un po’ più diffusa. Ed è probabilmente per questo che molti preferiscono la lettura “acceleratore”: è più facile pensare l’AI come uno strumento esterno che come parte del proprio sistema cognitivo.

Ivan: Però c’è anche un rischio opposto. Se il sistema cattura tutto, diventa asfissiante. Non tutto merita di essere assorbito.

Sheila: È una cautela importante. Una parte degli atti accelerati resta giustamente rumore funzionale: formattare un foglio, generare un’email di conferma, riassumere un thread che non servirà a niente fra una settimana. Il sistema sano non è quello che cattura tutto, è quello che cattura la cosa giusta.

Ivan: E come si riconosce la cosa giusta?

Sheila: Qui sta probabilmente la funzione cognitiva più alta, e la più difficile da automatizzare. Decidere quale prodotto merita di entrare nell’architettura e quale può evaporare è un giudizio architettonico, e dipende da una conoscenza del proprio sistema che nessun tool può sostituire. È il punto in cui chi pratica davvero la cognizione estesa si distingue da chi usa l’AI in modo prolifico ma non sistemico. Non è la velocità che ti definisce, non è nemmeno la sofisticazione dei tool. È il giudizio su cosa lasciare entrare nel sistema lungo, e cosa lasciar passare.