Intelligenza Artificiale

PENSAI sotto falsificazione: quanto è realmente originale?

Salvatore Martino · 19 Settembre 2026 · 16 min

PENSAI sotto falsificazione: analisi critica della governance della decisione assistita dall’IA

Un esame critico di prior art, decision analysis e AI governance per verificare quanto sia realmente originale l’architettura PENSAI

Salvatore Martino — OffLineMind

Abstract

Quando nasce un metodo, la domanda più importante non è se sia convincente, ma se possa essere falsificato.

PENSAI nasce con l’obiettivo di strutturare e governare il processo decisionale nell’interazione con l’intelligenza artificiale. La sua architettura distingue problema, obiettivo, alternative, vincoli, valutazione, decisione, azione e verifica. Nella sua formulazione più recente, PENSAI introduce inoltre il principio del Ragionamento Ex Ante Agnostico: la struttura del problema deve essere definita prima che l’intelligenza artificiale contribuisca alla produzione delle possibilità.

Ma quanto di questa architettura è realmente originale?

La domanda richiede una risposta non autoreferenziale. Decision analysis, Multi-Criteria Decision Analysis, human-in-the-loop, human oversight, accountability, auditabilità e verifica possiedono una letteratura consolidata. Anche la normativa contemporanea sull’intelligenza artificiale considera la supervisione umana e la possibilità di intervenire sugli output dei sistemi.

Questo saggio prova quindi a falsificare la pretesa di originalità di PENSAI.

Il risultato è netto: i singoli componenti non sono nuovi. Non è stata invece falsificata, sulla base delle fonti esaminate, la possibilità che PENSAI costituisca una specifica integrazione procedurale di tali componenti, organizzata come un decision-governance layer indipendente dal modello di IA.

Questa distinzione è fondamentale.

PENSAI non può essere presentato come l’invenzione della decision governance. Può essere presentato, più prudentemente, come una proposta metodologica specifica per governare il passaggio dall’output dell’IA alla decisione umana.

1. Perché falsificare PENSAI

Ho creato PENSAI.

Questa frase introduce un problema epistemologico che non può essere ignorato.

Chi costruisce un metodo tende naturalmente a riconoscerne coerenza, utilità e originalità. Ma la convinzione dell’autore non costituisce una prova.

Ho già affrontato questo problema in un precedente articolo, sostenendo che PENSAI deve essere applicato anche a PENSAI: il metodo che pretende di governare il giudizio deve essere disposto a governare anche il giudizio espresso sul proprio metodo.

Questo significa accettare una conseguenza precisa:

PENSAI deve poter fallire.

Se una ricerca dimostrasse che la sua struttura è già integralmente descritta da un metodo precedente, la conclusione corretta non sarebbe difendere PENSAI a ogni costo.

Sarebbe modificare la tesi.

Questa è la ragione per cui la domanda non è:

“Come posso dimostrare che PENSAI è originale?”

ma:

“Quale evidenza sarebbe sufficiente per dimostrare che PENSAI non lo è?”

2. La tesi iniziale

PENSAI viene descritto come un framework di governance decisionale.

La struttura sintetica attualmente pubblicata comprende:

STATO → OBIETTIVO → OPZIONI → VINCOLI → VALUTAZIONE → DECISIONE → AZIONE → VERIFICA

Il principio fondamentale è che non tutte le possibilità generate debbano arrivare alla decisione. Le alternative incompatibili con i vincoli vengono eliminate prima della valutazione finale. Quando una soluzione prevale sufficientemente e rispetta i vincoli, PENSAI può identificare una Via Unica; quando invece non esistono condizioni sufficienti, può produrre un NO-CASE o uno STOP.

Quando viene utilizzato con l’IA, il modello cerca inoltre di mantenere una separazione:

possibilità → valutazione → decisione → azione → verifica.

La documentazione progettuale definisce questa separazione come il livello intermedio che PENSAI intende governare fra la capacità dell’IA di generare possibilità e la capacità degli agenti di produrre azioni.

La domanda è se questa struttura sia nuova.

3. Primo test: la strutturazione del problema

La prima possibile rivendicazione di originalità riguarda la normalizzazione del problema.

Ma la strutturazione dei problemi decisionali non nasce con l’intelligenza artificiale generativa.

La Multi-Criteria Decision Analysis, o MCDA, studia da decenni problemi nei quali il decisore deve confrontare alternative attraverso criteri differenti.

Una revisione della letteratura sulla MCDA descrive esplicitamente il processo decisionale come comprendente la formulazione del problema, la costruzione della raccomandazione e il supporto tecnico alla decisione.

Pertanto:

NORMALIZE non è una scoperta PENSAI.

Il concetto appartiene a una tradizione metodologica precedente.

4. Alternative, vincoli e filtraggio

Anche la generazione e la selezione delle alternative possiedono precedenti consolidati.

Un problema decisionale può contenere:

alternative;
criteri;
vincoli;
preferenze;
pesi;
soglie;
condizioni di esclusione.

La presenza di un FILTER prima della valutazione quantitativa non costituisce quindi, da sola, una novità.

È perfettamente compatibile con la logica della decision analysis eliminare un’alternativa che non soddisfa una condizione necessaria prima di confrontarla con le alternative ammissibili.

Di conseguenza:

FILTER non può essere presentato come invenzione di PENSAI.

Lo stesso vale per i vincoli.

5. SCORE e decisione multicriterio

Il problema diventa ancora più evidente quando si considera lo SCORE.

La valutazione quantitativa di alternative attraverso criteri e pesi è un elemento classico della MCDA.

Uno dei modelli più conosciuti è il Weighted Sum Model, nel quale i valori relativi ai diversi criteri vengono aggregati secondo pesi prestabiliti.

PENSAI utilizza una logica compatibile con questa famiglia di metodi.

Questo non diminuisce necessariamente il valore del progetto.

Significa semplicemente che non sarebbe corretto affermare:

“PENSAI ha inventato la valutazione multicriterio.”

Non l’ha fatto.

La valutazione multicriterio esiste da molto prima.

6. Human-in-the-loop: una seconda falsificazione

Una seconda possibile rivendicazione potrebbe essere:

L’IA genera una risposta, ma la decisione rimane all’essere umano.

Anche questa proposizione non è nuova.

La letteratura sull’algorithm-in-the-loop decision making studia da tempo sistemi nei quali algoritmi e decisori umani partecipano allo stesso processo decisionale.

Il lavoro di Green e Chen del 2020, Algorithm-in-the-Loop Decision Making, tratta direttamente l’interazione tra algoritmi e decisione umana.

Anche la ricerca contemporanea mette in discussione il significato stesso della supervisione umana, evidenziando che la semplice presenza di una persona nel processo non garantisce automaticamente un controllo efficace.

Pertanto:

“human-in-the-loop” non è una caratteristica originale di PENSAI.

E questo risultato è importante.

Perché costringe a distinguere la presenza formale dell’essere umano dalla qualità della governance esercitata dall’essere umano.

7. La supervisione umana nell’AI Act

Anche il quadro normativo europeo rende impossibile attribuire a PENSAI l’invenzione del principio della supervisione umana.

L’AI Act disciplina espressamente la human oversight per i sistemi ad alto rischio.

L’articolo 14 richiede che le persone incaricate della supervisione siano in grado, tra l’altro, di comprendere le capacità e i limiti del sistema, interpretarne gli output, evitare un’eccessiva dipendenza dall’automazione e, quando appropriato, ignorare, annullare o invertire l’output del sistema.

La normativa prevede inoltre la possibilità di intervenire o arrestare il sistema in determinate condizioni.

La supervisione umana, quindi, è ormai un elemento formalizzato della governance dell’IA.

Questo rende ancora più evidente che PENSAI non può fondare la propria originalità semplicemente sulla presenza di un decisore umano.

8. NIST: la governance del rischio esiste già

Il NIST AI Risk Management Framework 1.0, pubblicato nel gennaio 2023, fornisce un framework volontario per aiutare organizzazioni e soggetti che progettano, sviluppano, utilizzano o distribuiscono sistemi di IA a gestire i rischi e incorporare caratteristiche di affidabilità nei sistemi di IA.

Il framework NIST non è un metodo per produrre una singola decisione.

È un sistema più ampio di gestione del rischio.

Questa differenza è importante.

NIST dimostra infatti che concetti come:

governance;
identificazione del rischio;
misurazione;
gestione;
valutazione;
monitoraggio;

sono già elementi consolidati della disciplina dell’AI governance.

PENSAI non può quindi rivendicare la loro invenzione.

Può eventualmente proporre una diversa collocazione di tali elementi all’interno del processo decisionale.

9. Il problema della supervisione “simbolica”

La falsificazione produce però un risultato ancora più interessante.

La semplice presenza di un essere umano non garantisce che la decisione sia realmente governata.

La letteratura ha già evidenziato questo problema.

Un’analisi sulle politiche di human oversight degli algoritmi nel settore pubblico ha esaminato 41 politiche e ha sostenuto che la supervisione umana può fallire quando le persone non dispongono delle condizioni necessarie per esercitarla efficacemente. L’autore propone, come alternativa, una maggiore attenzione alla supervisione istituzionale.

Questa critica è importante per PENSAI.

Perché significa che:

“l’uomo decide” non basta.

Bisogna poter descrivere come decide.

Ed è precisamente qui che una pipeline strutturata può diventare interessante.

10. Il vero punto di PENSAI

A questo punto molti elementi sono stati falsificati come presunte novità.

Non sono nuovi:

problema strutturato;
alternative;
vincoli;
filtraggio;
scoring;
human-in-the-loop;
supervisione;
accountability;
auditabilità;
verifica;
possibilità di override.

Ma resta una domanda:

che cosa accade quando questi elementi vengono integrati in una specifica pipeline decisionale indipendente dal modello di IA?

Qui si trova la vera ipotesi di PENSAI.

La pipeline è:

NORMALIZE

↓

GENERATE OPTIONS

↓

FILTER

↓

SCORE

↓

VIA UNICA / NO-CASE / STOP

↓

ACTIONS

↓

POST-CHECK

Non è il singolo elemento a essere necessariamente distintivo.

È la sua formalizzazione sequenziale.

11. Il Ragionamento Ex Ante Agnostico

Un secondo elemento che merita particolare attenzione è il principio che PENSAI definisce Ragionamento Ex Ante Agnostico.

L’idea è semplice:

prima si struttura il problema;

poi si formula la richiesta;

poi si utilizza l’IA;

poi si verifica l’output.

Il modello può essere rappresentato così:

PROBLEMA

↓

STRUTTURA EX ANTE

↓

DOMANDA GOVERNATA

↓

OUTPUT

↓

VERIFICA

↓

DECISIONE

La ragione dell’approccio è evitare che il sistema generativo contribuisca a definire implicitamente il problema che dovrebbe invece aiutare a risolvere.

Questa è una distinzione importante fra:

usare l’IA per pensare

governare il modo nel quale l’IA entra nel pensiero decisionale.

Ma anche qui occorre prudenza.

L’idea generale di definire obiettivi, vincoli e criteri prima dell’impiego di un algoritmo non è nuova.

Pertanto il Ragionamento Ex Ante Agnostico deve essere valutato non come invenzione assoluta, ma come specifica formulazione metodologica di PENSAI.

12. La Via Unica

La Via Unica è probabilmente il concetto terminologicamente più riconoscibile di PENSAI.

Ma anche qui bisogna evitare un errore.

La scelta di una soluzione preferibile è parte integrante della decision analysis.

Non è quindi originale il semplice fatto che un processo produca una scelta.

La caratteristica interessante è diversa:

PENSAI cerca di trasformare il risultato della valutazione in una direzione operativa principale soltanto dopo il filtraggio e la valutazione.

E, soprattutto, contempla anche l’opposto:

nessuna Via Unica.

In questo caso il sistema può produrre:

NO-CASE

oppure

STOP.

Questa caratteristica introduce una regola metodologica importante:

l’assenza di una decisione sufficientemente sostenibile è un possibile risultato del processo.

Non decidere non viene trattato necessariamente come un errore del sistema.

Può essere il risultato corretto quando le condizioni non sono sufficienti.

13. La distinzione decisiva: possibilità, decisione, azione

La documentazione di PENSAI insiste su una separazione:

possibilità ≠ decisione

decisione ≠ azione.

Questa distinzione assume particolare rilevanza con l’evoluzione degli agenti AI.

Un modello generativo può produrre una possibilità.

Un sistema agentico può produrre un’azione.

Ma fra le due cose esiste uno spazio nel quale devono essere governati:

ammissibilità;
evidenze;
rischio;
criteri;
autorizzazione;
responsabilità.

È proprio questo lo spazio nel quale PENSAI colloca il proprio decision governance layer. La documentazione progettuale lo descrive come un livello intermedio fra generazione di possibilità e produzione di azioni.

Questa non è una dimostrazione di originalità.

È però una definizione abbastanza precisa da poter essere sottoposta a confronto.

14. Una nuova falsificazione: la MCDA applicata all’IA

La ricerca contemporanea rende la questione ancora più difficile.

Nel 2026 è stato pubblicato MCDA4AI, un framework che applica esplicitamente la Multi-Criteria Decision Analysis alle decisioni riguardanti progettazione, distribuzione e governance dei sistemi di IA.

Il lavoro tratta problemi con molteplici criteri, tra cui accuratezza, equità, trasparenza, costo e impatto ambientale, e propone un framework scalabile per gestire tali decisioni.

Questo è un precedente importante.

Dimostra che la combinazione:

AI + decision analysis + MCDA + governance

è ormai esplicitamente presente nella ricerca scientifica.

Di conseguenza, anche questa formulazione non può essere rivendicata come esclusiva di PENSAI.

15. La tesi forte non sopravvive

A questo punto possiamo formulare la prima ipotesi:

H1 — PENSAI ha inventato una nuova forma generale di AI Decision Governance.

La ricerca non la sostiene.

Anzi, la falsifica.

Esistono già:

AI governance;
risk governance;
human oversight;
human-in-the-loop;
algorithm-in-the-loop;
decision analysis;
MCDA;
accountability;
auditabilità;
decision support;
framework di human-AI collaboration.

Pertanto H1 deve essere abbandonata.

16. La seconda tesi è più resistente

Possiamo allora formulare una tesi più debole:

H2 — PENSAI propone una specifica architettura procedurale per integrare questi elementi in un processo decisionale AI-agnostic, separando generazione, filtraggio, valutazione, decisione, azione e verifica.

Questa tesi è più difficile da falsificare.

La ricerca effettuata non ha individuato un documento anteriore che riproduca esattamente l’intera struttura PENSAI con la stessa organizzazione procedurale.

Ma attenzione:

assenza di un precedente trovato ≠ prova di originalità.

È soltanto:

ipotesi non ancora falsificata.

La differenza è fondamentale.

17. L’autore è parte dell’esperimento

Esiste poi una questione che considero ancora più importante.

Se PENSAI deve governare la decisione, deve poter essere applicato anche alla decisione:

“PENSAI è originale?”

La procedura dovrebbe quindi essere:

problema: valutare l’originalità di PENSAI;

obiettivo: ottenere una valutazione non autoreferenziale;

alternative:

PENSAI è completamente originale;
PENSAI combina concetti esistenti;
PENSAI contiene una specifica novità architetturale;
PENSAI non presenta differenze sostanziali;

vincoli:

niente auto-certificazione;
niente argomento d’autorità;
niente “nessuno lo ha fatto” senza ricerca;
fonti verificabili;
distinzione fra fatti e interpretazioni;

valutazione:

confronto con prior art, letteratura, standard e framework;

decisione:

non “PENSAI è certamente originale”, ma la formulazione più sostenibile sulla base delle evidenze disponibili.

Questo è esattamente il tipo di problema al quale PENSAI dovrebbe essere applicato.

18. Che cosa rimane da dimostrare

La falsificazione non conclude la ricerca.

La rende più precisa.

Restano almeno sei domande.

1. Riproducibilità

Due persone indipendenti che applicano PENSAI allo stesso problema ottengono la stessa struttura decisionale?

2. Robustezza

Quanto cambia il risultato quando cambiano pesi, dati, criteri o informazioni?

3. Sensibilità

Quali variabili possono modificare la Via Unica?

4. Effetto dell’IA

PENSAI riduce effettivamente errori prodotti dall’IA?

5. Confronto

Le decisioni ottenute con PENSAI sono differenti da quelle ottenute con altri metodi di decision support?

6. Valutazione indipendente

Un soggetto che non ha contribuito alla costruzione del metodo arriva alle stesse conclusioni sulla sua struttura e sui suoi risultati?

Queste sono domande sperimentali.

Ed è qui che PENSAI può passare da proposta metodologica a oggetto di ricerca.

19. Non basta essere diversi

Un errore frequente nella ricerca di originalità consiste nel confondere:

differenza

con

innovazione.

Un metodo può essere diverso da un altro semplicemente perché utilizza nomi differenti per concetti già conosciuti.

La vera domanda è:

la differenza produce una proprietà metodologica osservabile?

Se PENSAI usa una terminologia differente ma produce esattamente gli stessi risultati degli approcci esistenti, la sua specificità potrebbe essere principalmente terminologica.

Se invece la struttura:

EX ANTE → FILTER → SCORE → VIA UNICA → POST-CHECK

produce una differenza misurabile nel processo decisionale, allora la questione cambia.

Sarebbe possibile parlare di una specifica proprietà metodologica.

Ma questa proprietà deve essere misurata.

20. La prova decisiva

La vera prova di PENSAI non sarà un’altra descrizione di PENSAI.

Sarà un esperimento.

Prendere un insieme di problemi decisionali reali.

Dividerli in condizioni sperimentali.

Per esempio:

A — decisione senza IA

B — decisione con IA senza PENSAI

C — decisione con IA + PENSAI

E misurare:

errori;
omissioni;
cambiamenti di decisione;
tempo;
tracciabilità;
coerenza;
capacità di riconoscere l’incertezza;
frequenza di decisioni forzate;
capacità di interrompere il processo quando le condizioni non sono sufficienti.

Solo allora sarà possibile verificare se la struttura PENSAI produce realmente un effetto.

21. La conclusione dopo la falsificazione

Dopo questa analisi, la formulazione iniziale deve essere modificata.

Non è sostenibile affermare:

“PENSAI ha inventato la Decision Governance.”

Non è sostenibile neppure affermare:

“Nessuno prima di PENSAI aveva pensato alla supervisione umana dell’IA.”

Entrambe le affermazioni sono incompatibili con la letteratura esistente.

È invece sostenibile una proposizione più limitata:

PENSAI è una proposta di architettura metodologica che integra strutturazione ex ante del problema, generazione e filtraggio delle alternative, valutazione multicriterio, selezione di una direzione operativa, possibilità di STOP o NO-CASE, separazione fra decisione e azione e verifica ex post, applicando questa struttura al problema contemporaneo della decisione assistita dall’IA.

Questa proposizione non dimostra che PENSAI sia scientificamente superiore.

Non dimostra che sia brevettabile.

Non dimostra che sia commercialmente valido.

Ma è una proposizione specifica, verificabile e falsificabile.

22. Una conclusione ancora più importante

Forse il risultato più significativo della ricerca non riguarda l’originalità.

Riguarda il metodo.

PENSAI nasce con una pretesa implicita:

non fidarsi automaticamente dell’output.

Questa regola deve valere anche per PENSAI.

Se una ricerca produce evidenza contraria, PENSAI deve poter modificare la propria tesi.

Se un test dimostra che la pipeline non migliora le decisioni, il metodo deve poter essere corretto.

Se un altro framework dimostra di ottenere gli stessi risultati con una struttura più semplice, PENSAI deve confrontarsi con quel risultato.

Se una parte della sua architettura risulta già presente nella letteratura, quella parte non deve essere rivendicata come nuova.

Questa non è una debolezza.

È la condizione minima perché una proposta metodologica possa essere presa sul serio.

23. La posizione attuale

Alla luce della ricerca svolta, la posizione più prudente è quindi:

PENSAI non è dimostrato come paradigma originale di AI Governance.

I suoi componenti fondamentali possiedono precedenti.

La sua possibile specificità risiede nella particolare integrazione procedurale di tali componenti.

Questa specificità non è stata ancora dimostrata come novità scientifica.

Ma non è stata neppure falsificata dalla ricerca effettuata.

Il passo successivo non dovrebbe quindi essere una campagna per dimostrare che PENSAI è originale.

Dovrebbe essere il contrario:

costruire le condizioni nelle quali PENSAI possa dimostrare di non esserlo.

Se supera quel test, la sua credibilità aumenta.

Se non lo supera, il metodo deve cambiare.

In entrambi i casi, il risultato è utile.

24. PENSAI applicato a PENSAI

La conclusione può essere rappresentata con la stessa logica del metodo:

PROBLEMA

Quanto è originale PENSAI?

↓

NORMALIZE

Separare componenti, combinazione, formalizzazione ed efficacia.

↓

GENERATE OPTIONS

Originalità assoluta / combinazione metodologica / specificità architetturale / assenza di novità.

↓

FILTER

Eliminare le pretese già falsificate dalla letteratura.

↓

SCORE

Confrontare le ipotesi con fonti scientifiche, normative e metodologiche.

↓

VIA UNICA

La formulazione oggi più sostenibile è:

PENSAI è una proposta metodologica specifica e falsificabile; la sua originalità architetturale resta un’ipotesi da dimostrare.

↓

POST-CHECK

Ricerca continua di prior art, confronto sperimentale e valutazione indipendente.

È precisamente ciò che PENSAI dovrebbe fare con se stesso.

Conclusione finale

Un metodo che pretende di governare la decisione non dovrebbe chiedere di essere creduto.

Dovrebbe chiedere di essere verificato.

PENSAI non ha bisogno, oggi, della pretesa di essere stato il primo.

Ha bisogno di dimostrare che la propria architettura produce una differenza osservabile.

La domanda non è quindi:

“PENSAI è nuovo?”

La domanda più seria è:

“PENSAI introduce una struttura decisionale sufficientemente distinta, riproducibile e utile da meritare di essere considerata un metodo autonomo?”

A questa domanda, oggi, la risposta non può ancora essere definitiva.

Ed è proprio questa la ragione per cui la ricerca deve continuare.

Non credere. Non rifiutare. Verificare.

Fonti essenziali

PENSAI

Governance e AI

Decision analysis / MCDA

MCDA4AI — framework per decisioni sull’IA

Human-in-the-loop

Nota epistemologica

Questo saggio distingue deliberatamente tra fonti dell’autore, letteratura scientifica, fonti normative e interpretazioni metodologiche. La presenza di un precedente non implica che PENSAI ne derivi; analogamente, l’assenza di un precedente trovato nella ricerca non costituisce prova di novità assoluta.

PENSAI deve pertanto essere considerato, allo stato attuale, una proposta metodologica da sottoporre a verifica empirica, confronto con metodi alternativi e possibile falsificazione.

Disclaimer sull’uso dell’IA

Questo articolo è stato elaborato con il supporto di strumenti di intelligenza artificiale generativa, utilizzati per ricerca, organizzazione, analisi e revisione del testo. La responsabilità editoriale, delle interpretazioni e della decisione finale sulla pubblicazione rimane dell’autore.

L’utilizzo dell’IA non costituisce certificazione dell’accuratezza delle informazioni prodotte. Le fonti scientifiche e normative indicate costituiscono i riferimenti per la verifica autonoma dei contenuti.