Agenti IA che moltiplicano la Sua competenza

Ciò che l'IA sostituisce è l'esecuzione. Ciò che non sostituisce — e ciò che acquista un valore drammatico grazie ad essa — è il giudizio. La comprensione profonda di ciò che costituisce un buon risultato, di cosa deve contenere un preventivo corretto, di quale formulazione regge giuridicamente e quale no. La leva si sposta: dall'esecuzione al giudizio.

La competenza che conta si sposta di conseguenza: dalla padronanza tecnica di uno strumento verso la chiarezza dell'intento. Chi sa con precisione ciò di cui ha bisogno — e sa esprimerlo come lo direbbe a un collega competente — può ora ottenere ciò che prima richiedeva interi reparti.

Il Mittelstand possiede ciò che l'IA non possiede: una competenza settoriale profonda e specifica. La capacità di giudicare se un preventivo per una cucina è calcolato correttamente. La conoscenza di quale norma DIN si applica a un determinato tipo di costruzione. Questo sapere risiede nella mente di collaboratori che sono in azienda da decenni. L'IA agentica moltiplica precisamente questa combinazione.

Anthropic, l'azienda dietro Claude, ha scelto di guidare i propri sistemi non attraverso l'obbedienza alle regole, ma attraverso un giudizio coltivato. Che lo sappiano o meno, questo è il programma aristotelico: la macchina non deve seguire regole. Deve fare la cosa giusta al momento giusto.

Phronesis si fonda su questa intuizione. I nostri agenti non seguono rigidi alberi decisionali. Possiedono conoscenza settoriale, contesto e la capacità di applicare entrambi in modo situazionale. Ciò che rende buono un preventivo dipende dal cliente. Ciò che costituisce una risposta adeguata a un reclamo dipende dal caso. Nessuna regola può deciderlo in anticipo — ma il giudizio sì.

Le scienze umane lavorano su questo problema da 2.400 anni. La capacità di giudicare in situazioni concrete anziché eseguire regole — di fare la cosa giusta al momento giusto anziché seguire un albero decisionale — non è un problema tecnico. È un problema filosofico. Ed è precisamente per questo che ci chiamiamo Phronesis.

Tra il 1500 e il 1800, l'ermeneutica europea sviluppò una tradizione che fu sepolta nel XIX secolo: la probabilitas hermeneutica. La sua risposta al dubbio totale sulla comprensione non fu: Troveremo comunque la certezza. Bensì: Non ne abbiamo bisogno. Ciò che la sostituì furono gradi di probabilità — certezza sufficiente per scopi pratici.

Un modello linguistico opera su distribuzioni di probabilità su sequenze di token — fa, a un livello matematicamente preciso, esattamente ciò che l'ermeneutica della prima modernità descriveva concettualmente: trattare il significato come uno spazio probabilistico in cui ci si muove in modo approssimativo. Il modello linguistico non è una deviazione dalla tradizione ermeneutica. Ne è la realizzazione tecnica.

E il loop agentico — il ciclo iterativo di cercare, trovare, rivedere, cercare ancora — non è altro che il circolo ermeneutico che Gadamer ha descritto come la struttura fondamentale della comprensione: si comprende la parte solo a partire dal tutto, ma il tutto solo a partire dalle parti. Si deve sempre già portare una pre-comprensione che si trasforma ad ogni iterazione.

I modelli fondazionali stanno diventando una commodity. I divari di prestazione tra GPT-5, Claude e Gemini si riducono. I prezzi per token scendono con un'emivita di pochi mesi. In un mondo in cui la capacità cognitiva diventa commodity, il valore si sposta verso ciò che sta sopra: orchestrazione, conoscenza settoriale, integrazione, governance.

Il paradosso della produttività — perché l'IA non appare nei dati macroeconomici — ha una spiegazione semplice: il collo di bottiglia non è la capacità dei modelli. È l'ultimo miglio. La traduzione della capacità grezza dell'IA in strumenti specifici per dominio, conformi alle normative, immediatamente implementabili. Quell'ultimo miglio è precisamente ciò che Phronesis risolve.

L'Europa ha perso lo strato infrastrutturale. Ma a livello applicativo, ha un genuino potenziale di differenziazione: competenza regolatoria, profonda conoscenza settoriale, una struttura di Mittelstand di 3,5 milioni di imprese troppo piccole per propri dipartimenti IA ma abbastanza grandi per guadagni di produttività sostanziali. La Germania non ha bisogno di posare i propri binari. Deve far circolare i treni giusti su quelli esistenti.