Dall’esperienza al metodo: come è nato PENSAI nell’era dell’intelligenza artificiale

Esperienza, errore, verifica e responsabilità: il percorso che ha trasformato una postura personale in un metodo per governare il processo decisionale nell’interazione con l’IA.

Salvatore Martino
OffLineMind — 20 agosto 2026

Abstract

PENSAI nasce dall’elaborazione progressiva di esperienze professionali e personali maturate in contesti differenti: formazione tecnica, informatica, attività operative, vendita, sport, arbitraggio, misurazione del tempo, radio e informazione. Tali esperienze, inizialmente prive di un’unica cornice teorica, hanno progressivamente evidenziato un elemento comune: la qualità di una decisione non dipende esclusivamente dalla disponibilità di informazioni o dalla capacità di generare alternative, ma anche dalla struttura del processo attraverso il quale tali alternative vengono valutate, selezionate, attuate e verificate.

L’avvento dell’intelligenza artificiale generativa rende questa distinzione particolarmente rilevante. I sistemi generativi aumentano radicalmente la capacità di produrre contenuti, ipotesi e alternative, ma introducono anche rischi documentati quali confabulazione, automation bias e dipendenza eccessiva dall’output automatizzato. Il NIST ha formalizzato questi rischi nel proprio AI Risk Management Framework e nel profilo dedicato alla generative AI; il Regolamento (UE) 2024/1689 attribuisce inoltre alla sorveglianza umana un ruolo esplicito nel governo dei sistemi di IA ad alto rischio.

In questo contesto, PENSAI viene qui presentato non come una tecnologia sostitutiva dell’intelligenza artificiale né come una teoria scientifica già validata, ma come una proposta metodologica orientata alla separazione tra generazione delle possibilità, valutazione delle alternative e responsabilità della decisione.

1. Il problema non è nato con l’intelligenza artificiale

Quando un metodo nasce da una lunga esperienza personale, esiste il rischio di ricostruire il passato secondo una logica retrospettiva: si osserva ciò che si è diventati e si reinterpretano gli eventi precedenti come se fossero necessariamente orientati verso quel risultato.

Non è questa la tesi che intendo sostenere.

La mia formazione non aveva PENSAI come obiettivo. Negli anni Settanta studiavo elettrotecnica industriale. Il lavoro nei laboratori era concreto: collegare, misurare, verificare. Un circuito non funzionante non poteva essere persuaso a funzionare attraverso una spiegazione convincente. Occorreva individuare il problema. Quella esperienza appartiene alla mia storia personale, non costituisce una prova scientifica.

Tuttavia contiene una prima intuizione metodologica: prima di intervenire su un sistema occorre conoscere, per quanto possibile, il suo stato. Questa distinzione diventerà successivamente essenziale per PENSAI.

Un processo decisionale che parte da uno stato mal definito può produrre una decisione formalmente coerente ma sostanzialmente inadeguata. La coerenza interna della procedura, infatti, non garantisce la correttezza della rappresentazione iniziale del problema. Il problema precede quindi la soluzione. E questa osservazione, apparentemente elementare, è una delle ragioni per cui PENSAI pone lo stato prima delle opzioni.

2. La tecnologia aumenta le possibilità, non necessariamente il controllo

Il mio primo rapporto con l’informatica risale allo ZX81 e successivamente al Commodore 64. L’esperienza era diversa da quella di un laboratorio elettronico, ma produceva una sensazione analoga: un sistema poteva fare esattamente ciò che gli veniva richiesto e, nello stesso tempo, condurre a un risultato inatteso perché il problema era stato formulato male.

Con l’aumento delle capacità computazionali aumentavano le possibilità. Ma aumentavano anche le possibilità di perdere il controllo del processo. Questa distinzione assume oggi una dimensione completamente diversa. Un sistema generativo può produrre in pochi secondi decine di alternative. Può scrivere un testo, proporre una strategia, costruire un programma, confrontare ipotesi o sintetizzare informazioni. Ma l’aumento della produzione di alternative non equivale automaticamente a un miglioramento della decisione.

La domanda cambia. Non è più soltanto: “Qual è la risposta?” Diventa: “Quale risposta deve essere considerata, con quali criteri e sotto quale responsabilità?”

Questa è una distinzione fondamentale.

Generare non significa decidere.

3. La scienza del giudizio aveva già individuato una parte del problema

Molto prima dell’attuale IA generativa, la ricerca sul giudizio umano aveva mostrato che gli individui utilizzano euristiche per formulare giudizi in condizioni di incertezza.

Nel lavoro del 1974 Judgment under Uncertainty: Heuristics and Biases, Amos Tversky e Daniel Kahneman descrissero tre famiglie di euristiche — rappresentatività, disponibilità e ancoraggio — mostrando come procedure cognitive utili alla rapidità del giudizio possano produrre errori sistematici.

La lezione non è che l’essere umano sia un decisore irrazionale. È più precisa. Il processo attraverso il quale una persona arriva a una valutazione può essere influenzato da fattori diversi dalla semplice evidenza disponibile. Questo diventa particolarmente interessante quando il soggetto che genera le alternative non è più soltanto l’essere umano.

Un sistema di IA può determinare quali possibilità vengono presentate, in quale ordine, con quale linguaggio e con quale apparente autorevolezza. Il problema della decisione diventa quindi anche un problema di interazione uomo-macchina.

4. L’automazione introduce un secondo problema: la fiducia

La ricerca sull’automation bias è particolarmente rilevante. Una revisione sistematica di Goddard, Roudsari e Wyatt ha analizzato 74 studi e ha documentato il fenomeno dell’eccessiva dipendenza dai sistemi automatizzati. Gli autori identificano tra i fattori rilevanti la fiducia nel sistema, l’esperienza dell’utente, la complessità del compito, il carico di lavoro e la pressione temporale. Tra le strategie di mitigazione vengono considerate anche la responsabilizzazione dell’utente e la presentazione dell’informazione in forma diversa dalla semplice raccomandazione.

Una successiva revisione sistematica, dedicata al rapporto tra automation bias e complessità della verifica, ha esaminato 40 studi e ha trovato evidenza del fenomeno anche in compiti singoli; la complessità della verifica dell’output emerge come elemento importante. Questi risultati sono importanti perché spostano l’attenzione. Il rischio non consiste soltanto nel fatto che l’automazione possa produrre un errore. Esiste anche il rischio che l’essere umano non controlli adeguatamente un risultato corretto o scorretto perché attribuisce al sistema un livello di affidabilità superiore a quello giustificato. È una differenza sostanziale. Il problema non è soltanto: “La macchina sbaglia?” È anche: “Come reagisce l’essere umano quando la macchina parla?”

5. L’intelligenza artificiale generativa rende il problema più evidente

I sistemi di IA generativa introducono una caratteristica ulteriore. Non si limitano a produrre classificazioni o raccomandazioni in un formato predefinito. Producono linguaggio naturale, spiegazioni, argomentazioni e strutture apparentemente coerenti. Il NIST, nel Generative Artificial Intelligence Profile dell’AI Risk Management Framework, utilizza il termine confabulation per indicare la generazione di contenuti falsi o erronei presentati con sicurezza. Il documento sottolinea che tali output possono risultare particolarmente problematici quando vengono utilizzati in contesti decisionali con conseguenze reali.

Questo introduce una distinzione che considero essenziale: plausibilità, coerenza e verità non sono sinonimi. Un testo può essere linguisticamente eccellente e fattualmente errato.

Un’argomentazione può essere formalmente convincente e poggiare su una premessa falsa. Una raccomandazione può essere ragionevole e tuttavia incompatibile con l’obiettivo reale dell’utente.

Di conseguenza, il problema non può essere risolto semplicemente chiedendo all’IA di essere “più intelligente”. Occorre intervenire sul processo di utilizzo dell’output.

6. Dalla risposta alla decisione esiste uno spazio

È precisamente in questo spazio che PENSAI colloca la propria funzione. Il modello non assume che l’IA debba essere ridotta o resa meno utile. Al contrario, parte dall’ipotesi che la capacità generativa dell’IA rappresenti una risorsa importante. La questione è separare tre funzioni:

1. generazione delle possibilità;
2. valutazione delle possibilità;
3. assunzione della responsabilità della decisione.

Queste funzioni possono essere supportate dalla stessa tecnologia, ma non devono necessariamente coincidere. PENSAI nasce da questa separazione. La sua struttura può essere rappresentata sinteticamente come:

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

La sequenza non pretende di descrivere ogni forma possibile di decisione. È una struttura operativa. Serve a impedire, almeno come principio metodologico, che la produzione di una risposta venga confusa con l’autorizzazione ad agire.

7. Il significato della mia esperienza professionale

A questo punto è possibile rileggere alcune esperienze personali senza attribuire loro un valore probatorio che non possiedono. Il lavoro di magazzino mi ha insegnato a osservare gli scostamenti piccoli. La vendita mi ha insegnato che anche il rifiuto di un’azione può essere una scelta. Lo sport mi ha mostrato il rapporto tra azione individuale ed equilibrio del sistema.

• L’arbitraggio mi ha posto nella condizione di interrompere un’azione assumendone la responsabilità.
• Il cronos ha rappresentato una misura irreversibile del tempo.
• La radio ha insegnato una cosa elementare sulla qualità del segnale: aumentare il volume non elimina necessariamente il rumore.
• L’esperienza nell’informazione ha aggiunto una dimensione pubblica: una decisione comunicata produce conseguenze che non appartengono più soltanto a chi l’ha presa.

Nessuna di queste esperienze dimostra PENSAI. Ma insieme spiegano perché alcuni concetti siano diventati ricorrenti: stato, errore, limite, verifica, interruzione, responsabilità.

Il passaggio dall’esperienza al metodo avviene quando questi concetti vengono formalizzati e resi applicabili oltre il contesto originario. 8. Dal comportamento alla formalizzazione

Nel 2025 questa postura assume il nome PENSAI. Il passaggio decisivo non consiste nel dare un nome a un modo personale di pensare. Consiste nel tentativo di renderlo esplicito, riproducibile e verificabile. È qui che un’esperienza individuale entra in contatto con una questione metodologica. Se una decisione viene descritta attraverso una sequenza di passaggi, diventa possibile chiedere:

• quale fosse lo stato iniziale;
• quale fosse l’obiettivo;
• quali alternative fossero disponibili;
• quali alternative fossero escluse;
• quali criteri fossero utilizzati;
• quali incertezze fossero presenti;
• perché una determinata opzione fosse preferita;
• chi avesse l’autorità di decidere;
• quale verifica fosse prevista dopo l’azione.

La decisione cessa così di essere soltanto un risultato. Diventa anche un processo osservabile. Questa è, a mio giudizio, la differenza più importante tra PENSAI come semplice idea e PENSAI come proposta metodologica.

9. La convergenza con la governance contemporanea dell’IA

È interessante osservare che la direzione generale della proposta non è isolata. Il NIST AI Risk Management Framework attribuisce esplicitamente importanza alla definizione e differenziazione dei ruoli e delle responsabilità nell’interazione uomo-IA e indica la necessità di definire, valutare e documentare i processi di supervisione umana.

L’AI Act europeo va ancora più direttamente al punto.

L’articolo 14 del Regolamento (UE) 2024/1689 stabilisce che i sistemi di IA ad alto rischio debbano poter essere efficacemente supervisionati da persone fisiche. La norma richiede inoltre che le persone incaricate della supervisione siano messe in condizione di comprendere capacità e limiti del sistema, monitorarne il funzionamento e, soprattutto, riconoscere il possibile fenomeno di automation bias. Devono inoltre poter decidere di non utilizzare il sistema o di ignorare, annullare o invertire il suo output. Questa convergenza non significa che PENSAI sia “richiesto” dall’AI Act. Sarebbe una conclusione non giustificata.

Significa invece che uno dei problemi dai quali PENSAI è nato — come mantenere la responsabilità umana quando una macchina partecipa al processo decisionale — è oggi riconosciuto anche nei principali framework di governance dell’IA.

10. Il Cubo come esperimento controllato

Le sperimentazioni più recenti hanno introdotto un elemento ulteriore: il Cubo di Rubik. Il Cubo non è stato scelto perché rappresenti un problema economicamente o socialmente importante.

È interessante per una ragione metodologica opposta: è un sistema relativamente controllato. Possiede uno stato. Possiede un obiettivo. Dispone di un insieme definito di mosse. Le azioni modificano lo stato. È possibile verificare il risultato. Questo permette di isolare una struttura generale:

STATO → OBIETTIVO → POSSIBILITÀ → VINCOLI → VALUTAZIONE → DECISIONE → AZIONE → VERIFICA.

Il Cubo, quindi, non costituisce una dimostrazione della validità generale di PENSAI. Costituisce piuttosto un proof of concept controllato per mostrare visivamente una struttura di decisione. Questa distinzione è importante.

Un esperimento illustrativo non deve essere presentato come validazione scientifica universale.

La validazione richiederebbe altro: definizione delle ipotesi, criteri di valutazione, dataset o scenari controllati, baseline, misure, replicazione indipendente e analisi degli errori.

PENSAI, allo stato attuale, deve essere considerato per ciò che è:

una proposta metodologica in fase di sviluppo e verifica.

11. La decisione non coincide con l’output

Questa è forse la proposizione centrale alla quale sono arrivato. Un sistema di IA può produrre un output. L’output può essere utile. Può essere corretto. Può essere verificato.

Ma nessuna di queste proprietà implica automaticamente che l’output debba diventare una decisione. Tra output e decisione esiste una responsabilità. PENSAI cerca di rendere esplicito quel passaggio.

La formula che sintetizza oggi il progetto è quindi:

IA = generazione delle possibilità.
PENSAI = governo del processo decisionale.
Umano = responsabilità della decisione.

Non si tratta di attribuire all’essere umano una superiorità assoluta sulla macchina. Si tratta di definire un’architettura di responsabilità. L’IA può essere più veloce. Può avere accesso a quantità enormi di informazioni. Può confrontare alternative che una persona non riuscirebbe materialmente a esaminare. Ma la capacità di produrre possibilità non determina da sola l’autorità di scegliere.

12. Il principio del “non fare”

Una conseguenza importante di questa impostazione è che una procedura decisionale non dovrebbe essere costruita soltanto per selezionare un’azione. Deve poter selezionare anche:

STOP.

Questa non è una posizione filosofica. È una condizione operativa. Se un’opzione non soddisfa i vincoli, deve poter essere esclusa. Se le informazioni sono insufficienti, il processo deve poter chiedere ulteriori informazioni. Se l’incertezza è incompatibile con il rischio, deve poter essere richiesta una valutazione umana. Se nessuna alternativa soddisfa le condizioni minime, il risultato corretto può essere non procedere. Il principio di arresto è quindi parte del processo, non una sua anomalia. Ma anche l’opposto deve essere vero. Se un’opzione supera i vincoli, raggiunge la soglia richiesta e risulta coerente con l’obiettivo, il sistema non deve trasformare la prudenza in immobilismo.

STOP deve essere possibile. CONTINUA deve essere possibile.

La decisione consiste nel determinare quale dei due sia giustificato dalle condizioni.

13. Ciò che PENSAI non sostiene

Per evitare che il progetto venga interpretato oltre ciò che le evidenze consentono, è necessario stabilire anche ciò che PENSAI non sostiene. PENSAI non sostiene di eliminare l’errore.

Non sostiene di produrre decisioni oggettivamente perfette. Non sostiene che l’essere umano sia immune dai propri bias. Non sostiene che l’IA sia intrinsecamente inaffidabile. Non sostiene di sostituire la ricerca scientifica. Non sostituisce competenze professionali, valutazioni specialistiche o responsabilità giuridiche.

Non è una certificazione di conformità all’AI Act.

E, soprattutto, non propone di sostituire l’autorità dell’IA con l’autorità di PENSAI. Sarebbe soltanto una nuova forma di delega.

14. La vera ipotesi da verificare

A questo punto il progetto può essere formulato in termini più rigorosi. L’ipotesi non è:

“PENSAI produce decisioni migliori.”

Una formulazione di questo tipo richiederebbe evidenze sperimentali che oggi non possiedo.

L’ipotesi più prudente è:

Un processo decisionale strutturato che separi esplicitamente stato, obiettivo, generazione delle opzioni, vincoli, valutazione, decisione e verifica può rendere più osservabile e governabile l’interazione tra essere umano e sistema di IA.

Questa è un’ipotesi verificabile. E proprio perché è verificabile, può anche essere falsificata. Si possono costruire esperimenti nei quali confrontare:

decisione senza struttura contro decisione con struttura PENSAI.

Si possono misurare errori, omissioni, tempo, qualità delle decisioni, capacità di rilevare output errati, frequenza di accettazione automatica delle raccomandazioni e capacità di interrompere il processo quando le condizioni non sono sufficienti. A quel punto PENSAI uscirebbe definitivamente dalla sola dimensione autobiografica.

Entrerebbe nel territorio della ricerca.

15. Dalla biografia alla ricerca

È questa, probabilmente, la trasformazione più importante avvenuta negli ultimi mesi. All’inizio PENSAI era soprattutto una formulazione personale. Poi è diventato un metodo. Successivamente è diventato un oggetto da sottoporre a verifica. Questa progressione è importante perché impedisce di confondere tre livelli differenti:

esperienza personale → proposta metodologica → evidenza scientifica.

• Il primo livello appartiene alla biografia.
• Il secondo alla progettazione.
• Il terzo richiede ricerca.
• Non devono essere confusi.
• La mia esperienza può spiegare perché PENSAI esiste.
• Non può dimostrare da sola che PENSAI funzioni in generale.
• Per dimostrare questo occorrono esperimenti.
• Occorrono dati.
• Occorrono confronti.
• Occorrono anche risultati negativi.
• Un metodo diventa credibile non quando nessuno riesce a metterlo in discussione, ma quando può essere messo alla prova.

16. Una vita che non conduceva a una conclusione

Per questo oggi cambierei il senso del titolo originale. Non penso più a una vita che andava verso PENSAI.

Penso a una sequenza di esperienze che ha progressivamente reso evidente un problema.

La scuola tecnica mi ha insegnato la verifica.

Il computer mi ha mostrato il rapporto tra possibilità e controllo.

Il lavoro operativo mi ha insegnato a cercare l’errore nel processo.

La vendita mi ha insegnato che anche non agire può essere una decisione.

Lo sport mi ha insegnato l’equilibrio.

L’arbitraggio mi ha insegnato la responsabilità dell’interruzione.

Il cronos mi ha insegnato che alcune conseguenze sono irreversibili.

La radio mi ha insegnato che più segnale non significa necessariamente più informazione.

L’informazione mi ha insegnato che una decisione pubblica produce conseguenze.

L’intelligenza artificiale ha riunito tutte queste domande in un unico problema:

come utilizzare una macchina capace di generare possibilità senza delegarle automaticamente la decisione?

PENSAI è la mia risposta metodologica provvisoria a questa domanda.

La parola decisiva, però, è provvisoria.

Perché un metodo che non accetta di essere verificato finisce per diventare una convinzione.

E io non voglio che PENSAI diventi una convinzione.

Voglio che rimanga un metodo sottoponibile a verifica.

Conclusione

Forse, quindi, il titolo corretto non è più Una vita che va verso PENSAI.

È:

Una vita che è diventata una domanda.

E quella domanda è diventata un metodo. Non ho costruito PENSAI per dimostrare che l’uomo pensa meglio della macchina. Non ho costruito PENSAI per dimostrare che la macchina non sa pensare. Ho cercato di separare due funzioni che rischiano di essere confuse: generare una possibilità e assumersi la responsabilità di trasformarla in una decisione.

L’intelligenza artificiale può ampliare enormemente la prima. La seconda rimane un problema di governance. È proprio qui che, a mio avviso, si trova lo spazio di PENSAI. Non tra uomo e macchina. Non contro l’intelligenza artificiale.

Ma tra l’output e l’azione.

In quello spazio devono poter entrare il dubbio, il vincolo, la verifica, il confronto, l’incertezza e, quando necessario, il rifiuto. E deve rimanere una domanda alla quale nessun sistema dovrebbe rispondere automaticamente al posto nostro:

“Questa decisione la prendo perché è stata generata da una macchina, oppure perché, dopo averla esaminata, ritengo di poterla assumere come mia?”

La differenza tra le due cose potrebbe diventare una delle questioni centrali dell’interazione uomo-IA. PENSAI nasce da questa differenza. E, prima ancora di chiedere ad altri di accettarlo, deve accettare di essere sottoposto allo stesso principio:

Essere verificato.

Riferimenti essenziali

Tversky, A.; Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science, 185(4157), 1124–1131. DOI: 10.1126/science.185.4157.1124.

Parasuraman, R.; Riley, V. (1997). Humans and Automation: Use, Misuse, Disuse, Abuse. Human Factors, 39(2), 230–253. DOI: 10.1518/001872097778543886.

Goddard, K.; Roudsari, A.; Wyatt, J. C. (2012). Automation bias: a systematic review of frequency, effect mediators, and mitigators. Journal of the American Medical Informatics Association, 19(1), 121–127. DOI: 10.1136/amiajnl-2011-000089.

Automation bias and verification complexity: a systematic review. Revisione sistematica di 40 studi sull’interazione tra automazione, verifica e carico cognitivo.

NIST (2023). Artificial Intelligence Risk Management Framework (AI RMF 1.0). Framework volontario per la gestione dei rischi dell’IA e per la definizione di ruoli e responsabilità nell’interazione uomo-IA.

NIST (2024). Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile (NIST AI 600-1). Documento dedicato ai rischi specifici dell’IA generativa, inclusa la confabulation.

Unione Europea (2024). Regolamento (UE) 2024/1689 — Artificial Intelligence Act, in particolare art. 14, Sorveglianza umana.

Nota epistemologica

Questo saggio distingue deliberatamente tra esperienza autobiografica, letteratura scientifica, quadro normativo e proposta metodologica. Le fonti citate documentano fenomeni e principi rilevanti per il problema affrontato; non costituiscono una validazione scientifica di PENSAI.

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. L’IA è stata utilizzata esclusivamente come strumento di assistenza alla ricerca, all’analisi, alla rielaborazione e alla revisione del testo. La selezione delle fonti, l’impostazione dell’argomentazione, le interpretazioni, le valutazioni e la decisione finale sulla pubblicazione appartengono all’autore.

L’uso dell’IA non implica delega della responsabilità autoriale né costituisce certificazione dell’accuratezza delle informazioni prodotte dall’IA. Le fonti scientifiche e normative citate devono essere considerate i riferimenti per la verifica dei contenuti.

La decisione finale sul contenuto e sulla pubblicazione è esclusivamente dell’autore.