In questi giorni ho assistito a diversi tech talk, presentazioni di agenzie, speech di colleghi, eventi di settore…
E una domanda continua a girarmi per la testa:
Ma davvero siamo ancora qui a parlare di “human in the loop”?
Come se il nostro destino fosse fare da correttori di bozze ai modelli (o il criceto nella ruota).
È una bella espressione rassicurante: state tranquilli, c’è ancora un umano da qualche parte nel flusso, pronto a mettere una pezza se l’AI sbaglia.
Il problema è che questa narrativa è già vecchia.
Nella ricerca e negli insight, l’umano non è (non deve essere) il paracadute del modello. L’umano è il motivo per cui il sistema esiste.
Un loop, in origine, è un sistema che agisce, riceve feedback, corregge rotta, avanza verso un obiettivo.
Con l’AI possiamo automatizzare sempre più pezzi di questo ciclo. Ma nessun modello decide qual è l’obiettivo giusto, per chi conta davvero, che cosa succede dopo una decisione.
Questo è lavoro umano, e non è un “ritocco finale” sull’output.
È definire:
– che cosa vale la pena indagare e che cosa no
– quali domande hanno senso nel contesto di un mercato, di una cultura, di un’organizzazione
– quali tensioni emotive e sociali i dati non vedono, ma determinano comunque l’esito delle scelte
Se restiamo attaccati all’idea di “stare nel loop” come guardiani dell’errore, ci stiamo auto-riducendo di ruolo. Diventiamo accessori di controllo qualità di un flusso che non abbiamo progettato noi.
“Humans are the loop” vuol dire altro: che il vero valore sta nel framing delle domande, nella lettura delle sfumature culturali e organizzative, nella capacità di trasformare output in direzione, priorità, cambiamento concreto.
E questo richiede un nuovo (o forse un vecchio) mindset; più giudizio, più responsabilità, meno comfort operativo; meno tempo passato a fare analisi, più tempo passato a decidere che cosa l’analisi deve servire.
La domanda scomoda, allora, non è “come restiamo nel loop”.
È un’altra: se da domani tutta la parte analitica del nostro lavoro diventasse dieci volte più veloce e precisa, che cosa cambierebbe davvero nel modo in cui prendiamo decisioni?
Non cosa faremmo in più, ma cosa faremmo di diverso.
Cosa faremmo di nuovo?
Random notes
-
Human in the loop? Ancora!
-
No more “faster horses”, please.
“If I had asked people what they wanted, they would have said faster horses.”
Henry Ford probabilmente non l’ha mai detta, ma la lezione resta valida.E oggi, nel 2025, stiamo commettendo lo stesso errore: usare l’AI per rendere più efficiente un modello che era già fragile.
Un’esplorazione dei diversi siti & eventi di settore europei rende evidente che l’offerta oggi converge su:
- survey automatizzati dall’AI (stesso questionario, più veloce)
- focus group moderati da bot (stessa conversazione, meno costo)
- analisi istantanee (stesso output, zero attesa)
- rispondenti sintetici (stesse domande, zero attrito)
Cavalli più veloci, appunto.
Il problema è che il mercato non è a corto di output. È a corto di orientamento.
E i segnali sono già qui:
- l’industria degli insights vale circa 153 miliardi di dollari, ma la parte “research software” ha superato la ricerca tradizionale. Il valore si sta spostando dagli output ai sistemi. (researchworld.com)
- nel frattempo la qualità dei dati è diventata una variabile strategica: dubbi ricorrenti sull’affidabilità, investimenti in fraud detection, panel proprietari, controlli più aggressivi. (marketing.greenbook.org)
- sul fronte digitale, l’era del “tanto tracciamo tutto” è finita: la rotta sui third-party cookie è stata cambiata e l’ecosistema sta andando comunque verso più vincoli, più consenso, più dipendenza da first-party. (Reuters)
E invece di ripensare il sistema, molti stanno proponendo soluzioni AI based per “fotocopiare meglio” il passato.
Abbiamo una scelta:- Automatizziamo il vecchio, competiamo su prezzo, velocità, volume; diventiamo di fatto una commodity (anche quando lavoriamo bene).
- Riprogettiamo da zero cosa significa “capire il mercato”.
Il prodotto premium non sarà “fare ricerca più veloce”.
Sarà dare direzione: giudizio, framing consequenziale, trade-off chiari, responsabilità, concretezza, apertura e non chiusura.E basta, con ‘sti cavalli più veloci!