Andrea non esiste. Ma la sua storia è accaduta milioni di volte.

Il primo giorno di lavoro mi fece diciassette domande. Dove poteva trovare i dati? A chi doveva inviare il documento? Poteva chiamare direttamente il cliente? Prima di decidere, doveva chiedere il mio permesso?

Non era insicuro. Era giovane.

Per qualche mese lavorammo fianco a fianco. Io gli indicavo il passo successivo e lui lo eseguiva. Quando incontrava un ostacolo, si fermava e tornava da me.

Poi, un giorno, poco prima di salire su un aereo, gli affidai un lavoro importante.

«Domani mattina il cliente deve avere tutto ciò che gli serve per decidere.»

Durante il volo il Wi-Fi non funzionò. Per nove ore non potei rispondere alle sue domande. Quando atterrai, aprii il telefono aspettandomi una lunga lista di richieste.

Trovai un solo messaggio.

Andrea aveva scoperto che alcuni dati erano sbagliati. Li aveva ricostruiti, aveva preparato diverse alternative, le aveva confrontate e aveva scelto quella che proteggeva il risultato più importante. Poi aveva fatto controllare i calcoli e inviato il documento.

Non mi chiedeva che cosa fare.

Mi spiegava che cosa aveva fatto.

Quel giorno Andrea cambiò lavoro. Non era più una persona che eseguiva le mie istruzioni. Era diventato responsabile di un risultato.

Ma anch’io avevo cambiato lavoro. Non dovevo più indicargli ogni passo. Dovevo definire l’obiettivo, fornirgli gli strumenti e stabilire i limiti entro i quali poteva decidere.

Quel giorno io e Andrea cambiammo lavoro senza accorgercene.

È successo di nuovo

Qualche settimana fa, con Loop in Codex e Goal in Claude Code, è successa la stessa cosa.

E ancora una volta non me ne sono accorto subito.

Fino a quel momento avevo usato l’intelligenza artificiale come un copilota. Io facevo una richiesta, l’AI rispondeva, io controllavo e decidevo il passo successivo.

Se io mi fermavo, si fermava anche lei.

Loop e Goal cambiano questo rapporto. Non affidiamo più alla macchina soltanto un’azione. Le affidiamo un obiettivo.

L’agente può pianificare, agire, osservare il risultato, scoprire che qualcosa non ha funzionato, cambiare strategia e riprovare. Può continuare per ore mentre noi facciamo altro o dormiamo. OpenAI descrive già esecuzioni di Codex che lavorano su un singolo compito per più di sei ore senza la presenza costante di una persona. OpenAI

Prima il rapporto era:

richiesta → risposta → controllo umano

Ora diventa:

obiettivo → azione → verifica → correzione → risultato

L’AI non ha semplicemente imparato a fare più cose.

Ha imparato a continuare senza di noi.

Dal prompting al management

Per anni abbiamo studiato il prompting. Abbiamo imparato a formulare richieste precise, fornire esempi e specificare il formato della risposta.

Era il linguaggio che usavo con l’Andrea del primo giorno:

Fai questo. Poi fai quello. Infine mostrami il risultato.

Con un agente autonomo dobbiamo usare un linguaggio diverso:

Questo è l’obiettivo. Questo è il contesto. Questi sono i confini. Questi sono i criteri con cui valuteremo il risultato. Se una strada non funziona, provane un’altra. Chiamami soltanto quando incontri una decisione che non puoi prendere da solo.

Non è più soltanto prompting.

È management.

Il buon manager di un’AI non è necessariamente chi sa scrivere il prompt più brillante. È chi sa scegliere un obiettivo, trasferire il contesto, assegnare autonomia e riconoscere un risultato sbagliato anche quando sembra convincente.

E qui nasce un paradosso.

Una tecnologia per vecchi

Per tutta l’era digitale abbiamo dato per scontato che ogni nuova tecnologia favorisse i giovani.

I bambini imparavano a usare il computer prima dei genitori. I ragazzi esploravano Internet mentre gli adulti cercavano di comprenderlo. Sono arrivati gli smartphone e i social network, e ancora una volta i giovani sembravano appartenere al futuro mentre i vecchi tentavano di raggiungerli.

Con gli agenti AI potrebbe accadere il contrario.

Forse, per la prima volta dall’inizio della rivoluzione digitale, la nuova tecnologia potrebbe avvantaggiare più i vecchi dei giovani.

Non perché i vecchi siano più bravi a usare l’interfaccia. Probabilmente non lo sono. Ma perché possiedono ciò che serve per dirigere un agente: esperienza, contesto e capacità di giudizio.

Un senior sa quali obiettivi hanno valore. Conosce gli errori possibili. Distingue una risposta plausibile da una risposta corretta. Può affidare il lavoro operativo a cinque agenti e dedicare il proprio tempo alle decisioni.

Un giovane può imparare a usare l’AI in pochi minuti. Ma non può scaricare trent’anni di esperienza.

Il problema è che quei trent’anni cominciavano dal lavoro di Andrea.

I senior di oggi hanno imparato preparando analisi imperfette, correggendo documenti, scrivendo codice semplice, osservando colleghi più esperti e commettendo errori a basso rischio.

Sono proprio queste le attività che stiamo affidando per prime all’intelligenza artificiale.

L’AI non rischia soltanto di sostituire Andrea.

Rischia di sostituire il processo attraverso il quale Andrea sarebbe diventato esperto.

Un paese per vecchi

La carriera è sempre stata una scala.

Si cominciava dai gradini più bassi. Lì si imparava a lavorare. Con il tempo si acquisivano esperienza e responsabilità, finché si arrivava abbastanza in alto da poter dirigere il lavoro degli altri.

L’intelligenza artificiale forse non distruggerà la scala.

Potrebbe però segarne i primi gradini.

Perché assumere una persona inesperta per preparare un’analisi, se un manager esperto può affidarla a un agente? Perché insegnare a un giovane un lavoro che la macchina sa già eseguire?

Per ogni singola azienda, la scelta può essere razionale. Ma se tutte le aziende fanno la stessa scelta, dove si formeranno gli esperti di domani?

Potremmo creare un’economia nella quale chi possiede già esperienza diventa enormemente più produttivo, mentre chi deve ancora costruirla non trova più un punto da cui cominciare.

Un paese per vecchi.

Forse accadrà il contrario. Forse l’AI permetterà ai giovani di affrontare immediatamente problemi che in passato richiedevano anni di preparazione. Forse non eliminerà l’apprendistato, ma lo renderà dieci volte più veloce.

Non lo sappiamo.

Sappiamo però che produttività ed esperienza non sono la stessa cosa. Produrre un’analisi non significa aver imparato ad analizzare. Ottenere una risposta corretta non significa saper riconoscere quelle sbagliate.

L’intelligenza artificiale ha smesso di essere il nostro copilota.

Noi siamo diventati i suoi manager.

Ma se smetteremo di assumere gli Andrea, rimane una domanda alla quale nessun Loop e nessun Goal potranno rispondere al posto nostro:

chi diventerà il manager di domani?