Il generalista dell’era dell’AI è colui che sa porre domande migliori dentro sistemi di conoscenza più complessi.
Nel mio articolo precedente avevo provato a sostenere che, nell’epoca dell’intelligenza artificiale, il punto decisivo non è soltanto ottenere risposte, ma saper formulare domande migliori. Non era una riflessione marginale. Era già, in fondo, il preludio a un’altra questione: capire quale figura cognitiva sia oggi più adatta a muoversi dentro un ambiente in cui la conoscenza è sempre più accessibile, ma anche sempre più complessa da orientare.
Se il valore si sposta verso chi sa interrogare, contestualizzare, verificare e collegare, allora torna centrale una figura che per molto tempo è rimasta ai margini del racconto meritocratico della modernità: il generalista.
Per molto tempo abbiamo pensato che il motore principale del progresso fosse lo specialista. La modernità ha costruito la propria forza sulla divisione del lavoro, sulla separazione dei campi del sapere, sull’idea che per avanzare davvero fosse necessario restringere il fuoco, scavare sempre più a fondo dentro una disciplina fino a padroneggiarne linguaggio, metodi e strumenti. È grazie a questa logica che abbiamo ottenuto scoperte scientifiche decisive, innovazioni tecnologiche radicali e competenze professionali raffinatissime.
Eppure, proprio mentre questa visione sembrava essersi imposta come criterio dominante, il mondo ha cominciato a cambiare natura.
Le grandi questioni del nostro tempo non si lasciano più rinchiudere dentro un solo dominio. L’intelligenza artificiale, per esempio, non è soltanto un fatto tecnico. È insieme informatica, economia, psicologia, cultura, etica, geopolitica, lavoro, linguaggio e immaginario.
Lo stesso vale per la cybersicurezza, per la trasformazione digitale, per la crisi energetica, per la comunicazione del rischio, per le nuove forme della guerra e per quelle della produzione simbolica.
Sono problemi che non obbediscono a una sola causa e non si lasciano spiegare con una sola lente. Sono problemi multideterminati, immersi in sistemi complessi, nei quali ogni elemento reagisce agli altri e li modifica.
In un contesto di questo tipo, la sola profondità non basta più. Serve anche la capacità di vedere le connessioni.
Generalisti
Qui però bisogna stare attenti a un equivoco.
Parlare di generalista non significa elogiare la superficialità, né difendere la figura di chi sa un po’ di tutto senza possedere davvero nulla. Questa caricatura ha danneggiato molto la comprensione del problema. Il generalista serio non è il dilettante universale. È, piuttosto, colui che ha sviluppato abbastanza profondità in più campi da poter costruire ponti tra linguaggi, metodi e visioni differenti. Se lo specialista scava un pozzo, il generalista prova a leggere la mappa dell’intero territorio. Non ha pozze superficiali: sa che per orientarsi tra pozzi veri serve rigore, esperienza, capacità di riconoscere la qualità dell’acqua senza doverla attingere ogni volta personalmente. Non è meno rigoroso dello specialista: opera su un altro livello. Il suo compito non è sostituire chi scava, ma metterlo in relazione con altri scavatori, con altri quadranti della mappa, con altri piani del reale.
In questo senso, la distinzione tra specialista e generalista non è solo professionale: è cognitiva. Lo specialista tende naturalmente a vedere il problema a partire dal proprio dominio di competenza; il generalista tende invece a vedere il sistema dentro cui quel problema prende forma. È una differenza sottile ma decisiva. Molte delle crisi contemporanee, infatti, non nascono dall’assenza di conoscenze verticali, ma dall’incapacità di integrarle. Disponiamo di eccellenti competenze distribuite e, nello stesso tempo, soffriamo di una scarsità di visione d’insieme. Abbiamo tecnici che padroneggiano il dettaglio, ma organizzazioni che faticano a trasformare questi dettagli in strategia. Abbiamo saperi forti e sintesi deboli.
L’intelligenza artificiale come rivelatore e moltiplicatore
È qui che l’epoca dell’intelligenza artificiale introduce un paradosso particolarmente interessante. A prima vista sembrerebbe il trionfo definitivo dello specialismo: modelli capaci di scrivere codice, analizzare dati, sintetizzare documenti, produrre immagini, assistere la ricerca, velocizzare processi tecnici complessi. Ma guardando meglio, il quadro è più ambiguo. L’AI non si limita a potenziare lo specialista: tende anche a democratizzare una parte delle sue competenze. Rende più accessibili funzioni che prima richiedevano una formazione verticale lunga e rara. Non elimina il valore della competenza profonda, ma ne modifica la scarsità. E quando una competenza diventa più accessibile, il valore si sposta.
Si sposta verso chi sa orchestrare, contestualizzare, scegliere, integrare, formulare le domande giuste, mettere in sequenza saperi differenti e usarli in vista di un obiettivo.
In altre parole, proprio mentre l’intelligenza artificiale amplifica le competenze specialistiche, aumenta il valore di chi sa coordinarle. Il punto non è più soltanto sapere una cosa molto bene. Diventa decisivo saper collegare molte cose in modo significativo. Questo è il vero ritorno del generalista: non come figura nostalgica, non come residuo rinascimentale da celebrare in astratto, ma come risposta concreta a un ambiente in cui la conoscenza è abbondante, distribuita, accelerata e spesso disarticolata.
Ma c’è di più. L’intelligenza artificiale non è soltanto una tecnologia tra le altre. È, più profondamente, un rivelatore della natura dei problemi contemporanei e, insieme, un moltiplicatore della posta in gioco. Per capire come ridefinisca il rapporto tra specialista e generalista conviene partire da un’osservazione semplice ma spesso trascurata: l’AI non funziona per compartimenti stagni.
Quando interagiamo con un modello linguistico, per esempio, stiamo usando insieme linguaggio, logica, conoscenza enciclopedica, capacità di sintesi, inferenza e talvolta persino una forma di empatia simulata. Il modello non separa questi piani: li attraversa simultaneamente, perché è stato addestrato su testi prodotti dagli esseri umani, e gli esseri umani, quando scrivono, mescolano continuamente generi, registri, discipline. In questo senso l’AI è, per sua natura, una tecnologia generalista. Non nel senso che sappia tutto in profondità – commette errori, banalizza, allucina – ma nel senso che opera costantemente al crocevia tra domini differenti. La sua potenza nasce proprio da qui: dal tenere insieme ciò che noi abbiamo separato. Ed è anche per questo che ci costringe a chiederci se la separazione netta dei saperi che abbiamo ereditato dalla modernità sia davvero l’unico modo possibile di organizzare la conoscenza.
Questo produce un effetto paradossale. Da un lato, l’AI potenzia lo specialista, dandogli strumenti per scavare più velocemente, analizzare più dati, simulare più scenari. Dall’altro lato, democratizza l’accesso a competenze che prima richiedevano anni di formazione. Un bravo specialista con l’AI diventa ancora più efficace. Ma anche un non specialista, ponendo le domande giuste, può oggi ottenere risultati che un tempo avrebbero richiesto l’intervento esclusivo di un esperto. Il che significa che la scarsità si sposta: non è più scarsa la conoscenza in sé, perché è sempre più disponibile e accessibile. Diventa scarsa la capacità di orientarsi dentro questa abbondanza.
È qui che l’AI agisce da rivelatore. Rende visibile qualcosa che prima rimaneva più nascosto: la conoscenza non è più un possesso individuale stabile, ma un’attività di rete. Il valore non risiede soltanto nell’accumulare informazioni, ma nella qualità delle domande, nella capacità di validare le risposte, di contestualizzarle, di metterle in relazione con altri pezzi di sapere e di tradurle in decisioni. In una rete, infatti, non conta soltanto chi possiede il nodo più ricco. Conta anche, e forse soprattutto, chi vede meglio le connessioni.
C’è poi un secondo effetto, ancora più profondo. L’AI non si limita a rendere accessibili competenze esistenti: cambia la natura di alcune competenze.
Prendiamo la scrittura. Se un modello può produrre testi sintatticamente corretti e ben strutturati, cosa significa oggi “saper scrivere”? Non significa più soltanto padroneggiare grammatica e sintassi. Significa sapere che cosa si vuole dire, saperlo trasformare in una richiesta efficace, saper valutare il risultato, correggerlo, riscriverlo, integrarlo con altre fonti, piegarlo a un’intenzione autentica. La competenza si sposta dall’esecuzione alla regia. Non è più fare, ma far fare nel modo giusto.
Lo stesso vale per il codice, per l’analisi dati, per la progettazione. Prendiamo un esempio concreto: la diagnosi medica. Un sistema di AI può analizzare migliaia di immagini radiologiche in pochi secondi e segnalare anomalie con precisione crescente. Ma la diagnosi finale, quella che tiene conto non solo dell’immagine ma della storia del paziente, delle sue condizioni psicologiche, del contesto familiare, delle sue preferenze, delle implicazioni etiche di un trattamento aggressivo o conservativo: quella resta umana. E richiede qualcuno capace di integrare il dato tecnico con uno sguardo più ampio. Il medico non diventa meno specialista, ma deve aggiungere alla propria specializzazione una capacità di contesto, di ascolto, di giudizio complesso che prima poteva rimanere implicita.
In numerosi ambiti, dunque, l’AI automatizza la parte più ripetitiva e tecnica del lavoro specialistico, lasciando all’umano il compito di definire gli obiettivi, valutare i risultati, gestire le eccezioni, integrare prospettive diverse. Lo specialista non viene cancellato, ma viene spostato più in alto: deve diventare più strategico, più capace di contesto, più attento alle implicazioni sistemiche del proprio lavoro.
Ed è qui che torna il generalista. Perché chi deve definire obiettivi in situazioni complesse? Chi deve valutare risultati che attraversano domini differenti? Chi deve gestire eccezioni che non appartengono a una sola disciplina? Chi deve integrare prospettive eterogenee? Chi svolge tutto questo, se non qualcuno capace di vedere l’insieme? Non è un caso che le organizzazioni più avanzate cerchino sempre più spesso profili ibridi: persone con basi tecniche solide ma anche con sensibilità umanistica, capaci di pensare eticamente, di comunicare con efficacia, di intuire le conseguenze sociali di una scelta ingegneristica.
C’è infine un terzo livello, forse il più importante. L’AI non è solo uno strumento: è anche un oggetto di studio che richiede esso stesso uno sguardo generalista. Chi progetta un sistema di intelligenza artificiale non può pensare soltanto agli algoritmi. Deve chiedersi quali dati sta usando, quali bias contengano, come saranno interpretati i risultati, chi verrà colpito dagli effetti del sistema, quali conseguenze ci saranno sul lavoro, sulla privacy, sull’equità, sulla distribuzione del potere. Sono domande che attraversano informatica, diritto, filosofia, sociologia, economia, psicologia. Non c’è specialista che possa rispondere da solo. Servono squadre. E dentro quelle squadre serve qualcuno che tenga insieme i fili.
Oltre la formazione rigida
Forse il problema sta anche nel fatto che per troppo tempo abbiamo pensato la formazione in termini eccessivamente rigidi. Molti percorsi accademici, soprattutto nei campi tecnico-scientifici, hanno privilegiato l’approfondimento verticale e guardato con una certa diffidenza alle cosiddette competenze trasversali, quasi fossero accessorie rispetto alla serietà del sapere disciplinare. Eppure oggi proprio quelle competenze considerate laterali si rivelano centrali: non perché sostituiscano la specializzazione, ma perché le permettono di diventare davvero efficace nel mondo reale. Il pensiero strategico, la flessibilità cognitiva, la capacità di tradurre un linguaggio in un altro, di lavorare tra domini diversi, di intuire le implicazioni sistemiche di una scelta tecnica: tutto questo non è contorno. È infrastruttura invisibile dell’intelligenza contemporanea.
In fondo, la figura del generalista attraversa tutta la storia della conoscenza, anche se la modernità l’ha a lungo marginalizzata. Le epoche di transizione, però, tendono sempre a richiamarla. Quando gli schemi esistenti non bastano più, quando i problemi si spostano ai confini tra le discipline, quando le vecchie mappe diventano insufficienti, riemerge il bisogno di menti capaci di tenere insieme. Oggi questo bisogno ritorna con forza. Non per abolire gli specialisti, ma per orientarli dentro scenari in cui nessuno, da solo, possiede il quadro completo.
Il vantaggio competitivo del futuro
È possibile allora che il vero vantaggio competitivo del futuro non consista semplicemente nell’accumulare più conoscenza degli altri, ma nel vedere meglio come le conoscenze si parlano tra loro. In un mondo in cui le macchine possono assistere molte prestazioni tecniche e in cui le informazioni sono ovunque, la risorsa più rara potrebbe diventare proprio la capacità di sintesi, di collegamento, di regia cognitiva. Non chi sa soltanto fare. Non chi sa soltanto analizzare. Ma chi sa leggere l’insieme, riconoscere le interdipendenze, intuire quale specialista, quale strumento, quale linguaggio e quale prospettiva servano in quel preciso momento.
Per decenni abbiamo pensato che la complessità si affrontasse scomponendola in parti sempre più piccole e affidando ogni parte a uno specialista. Oggi scopriamo che questa strategia, pur necessaria, non è più sufficiente. Perché dopo aver scomposto, bisogna ricomporre. Dopo aver analizzato, bisogna sintetizzare. Dopo aver scavato nel dettaglio, bisogna tornare a vedere l’insieme. È in questo movimento di andata e ritorno tra profondità e ampiezza, tra analisi e sintesi, tra specialista e generalista, che si gioca una delle partite decisive del nostro tempo.
Conclusione
L’intelligenza artificiale, in tutto questo, non è né la causa né la soluzione. È piuttosto uno specchio. Ci restituisce l’immagine di un mondo in cui la conoscenza non sta più ferma, in cui i confini tra discipline si sfumano, in cui il valore si sposta continuamente. E ci costringe a una domanda più scomoda di quanto sembri: non soltanto che cosa farà l’intelligenza artificiale, ma che tipo di intelligenza dovremo diventare noi per usarla davvero.
Perché la sfida non è solo tecnica. È antropologica, culturale, formativa. Riguarda il modo in cui organizzeremo il sapere, disegneremo i percorsi di studio, valuteremo le competenze, costruiremo le organizzazioni. Riguarda l’equilibrio che sapremo trovare tra la profondità che ci permette di capire sul serio e l’ampiezza che ci permette di connettere. Tra lo scavare pozzi e il leggere mappe.
Non ci sono risposte semplici. Ma forse la domanda giusta è già un buon inizio.
Questo articolo non nasce nel vuoto. Fa parte di una ricerca che porto avanti da tempo e che, pezzo dopo pezzo, prova a interrogare l’intelligenza artificiale non come moda del momento, ma come specchio del nostro tempo.
Ad oggi questa traiettoria raccoglie già 95 articoli, attraversando temi diversi: creatività, cognizione, educazione, etica, immaginario, linguaggio, potere.
Per chi desidera seguire questo filo più ampio, qui c’è l’intera categoria: https://vittoriodublinoblog.org/category/intelligenza-artificiale/
DECIMO UOMO 
Lascia un commento