Chi ha spostato il mio formaggio? Come usare l’AI per anticipare il cambiamento

Il formaggio è finito. Noi torniamo nello stesso posto, controlliamo meglio e ci arrabbiamo. Magari prepariamo anche una presentazione per dimostrare che quel formaggio, secondo il piano industriale, dovrebbe essere ancora lì. È una reazione molto umana. Ed è proprio da questa ostinazione che partirei per parlare di intelligenza artificiale attraverso Chi ha spostato il mio formaggio? di Spencer Johnson.

La domanda del titolo guarda un cambiamento già avvenuto. Oggi vorrei aggiungerne una: chi, o che cosa, potrebbe spostare il nostro formaggio nei prossimi mesi? L’AI può aiutarci a cercare indizi, confrontarli e decidere quali esperimenti avviare. Non sa leggere il futuro. Può però aiutarci a leggere meglio il presente.

Di che cosa parla Chi ha spostato il mio formaggio?

Il libro di Spencer Johnson, disponibile in italiano per Sperling & Kupfer, è una breve parabola sul cambiamento. La scheda bibliografica di Google Books ne presenta il nucleo: quattro personaggi cercano il proprio sostentamento in un labirinto e devono affrontare la scomparsa di ciò su cui facevano affidamento.

Due sono topolini, Nasofino e Trottolino; due sono piccoli personaggi umani, Tentenna e Ridolino. Trovata una riserva di formaggio, organizzano intorno a essa le loro abitudini. Quando la riserva si esaurisce, le reazioni divergono. I topolini si rimettono in movimento; Tentenna resiste, mentre Ridolino supera gradualmente le proprie paure e riprende la ricerca, lasciando sul percorso le lezioni imparate. Il lettore incontra così, in forma narrativa, reazioni diverse alla stessa perdita: attenzione, azione, negazione, apprendimento. La scheda dell’edizione italiana permette di approfondire il volume.

Che tipo di metafora è il formaggio?

È una metafora estesa, costruita come allegoria: gli elementi della storia rimandano a dimensioni della nostra vita. Il formaggio rappresenta ciò che desideriamo e da cui ricaviamo sicurezza: lavoro, reddito, riconoscimento, relazioni, stabilità. Il labirinto è l’ambiente nel quale cerchiamo queste cose. I personaggi rendono visibili diversi modi di reagire.

Portata in azienda, la metafora diventa molto concreta. Il formaggio può essere un portafoglio clienti, una competenza pagata bene, un canale commerciale che funziona, un margine protetto dalla difficoltà di produrre qualcosa. Il deposito è il sistema con cui abbiamo imparato a procurarci quel risultato. Averlo trovato una volta non significa averlo assicurato per sempre.

La mia lettura ha però un limite preciso: una favola manageriale non dimostra che ogni cambiamento sia positivo, né che chi perde il lavoro abbia semplicemente sbagliato atteggiamento. Le persone hanno vincoli economici, responsabilità e possibilità diverse. Adattarsi può significare anche negoziare, collaborare, chiedere formazione o scegliere consapevolmente di difendere qualcosa. La metafora serve ad aprire una discussione, non a chiuderla con una morale comoda.

Chi ha spostato il mio formaggio? L’intelligenza artificiale cambia il valore del lavoro

Applicata all’AI, la domanda utile è: quale parte di ciò che vendo potrebbe diventare più facile da ottenere? Se il cliente paga soprattutto una prima bozza, una sintesi o una risposta standard, conviene interrogarsi sul valore futuro di quell’attività. Se paga una decisione motivata, una relazione di fiducia o la responsabilità del risultato, bisogna capire come l’AI possa sostenere quel lavoro e quali nuove aspettative crei.

Questi sono criteri di analisi, non una previsione di sostituzione delle professioni. Per valutarli bisogna scomporre il lavoro: che cosa faccio, per chi, con quali dati, con quali errori possibili e con quale risultato economico? Anche quando una tecnologia svolge un compito, rimangono da verificare affidabilità, integrazione e convenienza.

Il formaggio potrebbe spostarlo un concorrente che usa l’AI, ma anche un cliente che cambia abitudini, un fornitore che vende direttamente o la nostra stessa azienda, anticipando una domanda nuova. Ridurre tutto alla domanda “quale chatbot è migliore?” significa osservare il mouse e perdere di vista il labirinto.

Usare l’AI per capire chi sposterà il proprio formaggio

La proposta è costruire un piccolo radar di cambiamento. Nel linguaggio della strategia, l’horizon scanning cerca segnali emergenti; la strategic foresight esplora futuri plausibili per preparare decisioni. La metodologia dell’OCSE sui rischi emergenti include la ricerca di segnali deboli e fonti non convenzionali. Il rapporto AI in Strategic Foresight, realizzato da OCSE e World Economic Forum, descrive l’uso dell’AI per scansione, analisi e sviluppo di scenari, insieme ai problemi di affidabilità e trasparenza.

Io tradurrei questo approccio in cinque passaggi operativi.

1. Definire il formaggio. Scrivere quale ricavo, competenza o relazione si vuole proteggere. “Il mio lavoro” è troppo generico; “le commesse di piccoli lotti con consegna rapida” è già osservabile.
2. Scegliere le fonti. Pagine prodotto, listini, annunci di lavoro, brevetti pubblicati, richieste dei clienti, preventivi persi. Conservare URL, data e contenuto originale.
3. Cercare differenze nel tempo. Chiedere all’AI di confrontare materiali vecchi e nuovi: che cosa è cambiato davvero? Una semplice menzione di AI non prova una trasformazione commerciale.
4. Costruire ipotesi concorrenti. Quale attore potrebbe intercettare il bisogno? Quali prove smentirebbero questa interpretazione? Il calo delle vendite potrebbe dipendere anche da prezzo, stagionalità o servizio.
5. Collegare il segnale a una prova pratica. Scegliere una verifica con un responsabile, una scadenza e un indicatore. Senza una decisione, il radar produce soltanto altra lettura arretrata.

Per iniziare bastano una raccolta limitata di documenti e un assistente capace di analizzarli. Per il web serve l’accesso effettivo alle fonti: una chat senza navigazione non può monitorare novità che non le vengono fornite. Se il volume cresce, strumenti come Apify possono raccogliere dati web strutturati, da selezionare e confrontare. La raccolta va configurata sulle fonti pertinenti e nel rispetto delle condizioni di accesso. Un prompt, da solo, non attiva un monitoraggio periodico: servono anche un processo di aggiornamento e una destinazione per gli avvisi.

Tre esempi in settori completamente diversi

I casi seguenti sono scenari didattici ipotetici, non storie di aziende documentate. Mostrano come impostare il lavoro, senza attribuire a imprese reali strategie che non abbiamo verificato.

1. Manifattura: l’officina che vende piccoli lotti

Il formaggio: ordini di componenti personalizzati, conquistati grazie a rapidità e competenza tecnica. Chi potrebbe spostarlo: una piattaforma di preventivazione oppure un cliente che internalizza alcune lavorazioni. Non necessariamente l’officina concorrente dall’altra parte della strada.

Il titolare seleziona cataloghi pubblici di fornitori, pagine commerciali dei concorrenti e motivazioni registrate per i preventivi persi. Può aggiungere ricerche su Espacenet, il servizio di ricerca brevettuale dell’Ufficio europeo dei brevetti. L’AI raggruppa i cambiamenti e segnala eventuali convergenze tra promesse commerciali e richieste dei clienti. Un brevetto resta un indizio tecnologico: non dimostra che esista già un prodotto conveniente e adottato.

Analizza i documenti allegati per una PMI che produce piccoli lotti di componenti. Individua segnali di preventivazione automatizzata, riduzione dei tempi promessi e internalizzazione presso i clienti. Per ogni segnale indica fonte, data, attore, fatto osservato, interpretazione alternativa e dato mancante. Non dedurre vendite da un brevetto. Proponi una verifica commerciale entro 30 giorni.

La decisione possibile: intervistare cinque clienti e provare un servizio di preventivazione assistita su una famiglia di pezzi, misurando tempo di risposta e conversione. Prima un test circoscritto; poi l’eventuale investimento.

2. Turismo: l’hotel che difende il rapporto con gli ospiti

Il formaggio: prenotazioni remunerative e relazione diretta. Chi potrebbe spostarlo: un intermediario che intercetta la scelta del viaggio, una struttura che risponde meglio a un bisogno specifico oppure un cambiamento nelle preferenze degli ospiti.

La direzione confronta periodicamente offerte pubbliche di un piccolo gruppo di strutture comparabili e richieste ricevute dagli ospiti, opportunamente anonimizzate. Prezzi e pacchetti devono riferirsi a date, camere e condizioni confrontabili. L’AI può classificare bisogni come accessibilità, soggiorni con animali o spazi di lavoro, e individuare domande che il sito dell’hotel non chiarisce.

Confronta queste offerte alberghiere e queste richieste anonimizzate. Separa variazioni di prezzo, servizi nuovi e bisogni ricorrenti. Indica quali confronti non sono validi per differenze di periodo o condizioni. Formula tre ipotesi su come potrebbe cambiare la scelta dell’ospite, con prove a favore, contro e informazioni mancanti. Non inventare quote di mercato o tassi di occupazione.

La decisione possibile: testare una pagina e un pacchetto dedicati al bisogno emerso, misurando richieste qualificate e prenotazioni dirette. Un tema frequente nelle recensioni è una domanda da indagare, non una stima della dimensione del mercato.

3. Formazione: il docente che vende spiegazioni

Il formaggio: corsi introduttivi, lezioni standard e materiali riutilizzabili. Questo esempio mi riguarda direttamente. Chi potrebbe spostarlo: un assistente integrato negli strumenti aziendali, una piattaforma didattica o un cliente che organizza internamente una parte dell’apprendimento.

Il formatore raccoglie programmi pubblici di corsi concorrenti, richieste dei clienti e documentazione ufficiale delle piattaforme rilevanti. L’AI confronta le promesse formative con i problemi che le persone devono risolvere. La domanda interessante diventa: dove basta una spiegazione accessibile su richiesta, e dove servono esercitazione, feedback, confronto e applicazione al contesto?

Analizza questi programmi e le richieste anonimizzate dei clienti. Distingui contenuti informativi, esercitazioni, feedback e accompagnamento all’applicazione. Individua quali parti potrebbero essere soddisfatte da risorse autonome e quali richiedono una verifica sul campo. Proponi un laboratorio pilota con risultato osservabile. Separa sempre evidenze e ipotesi; non dare per certa la sostituzione dei corsi.

La decisione possibile: sperimentare un laboratorio in cui i partecipanti costruiscono un processo utile alla propria azienda, con verifica dell’output e degli errori. Per me è un criterio con cui progettare la formazione sull’intelligenza artificiale per aziende e professionisti: chiedere che cosa le persone sapranno fare dopo, oltre a che cosa avranno ascoltato.

Il prompt per costruire il tuo radar

Questo modello si può adattare a qualsiasi settore. Prima di usarlo occorre definire il proprio valore e fornire fonti adeguate.

Agisci come analista di scenari. Il mio settore è [settore]. Il valore per cui i clienti mi pagano è [valore]. Esamina [fonti allegate o fonti web effettivamente accessibili] nel periodo [periodo]. Individua attori, tecnologie e comportamenti che potrebbero ridurre o trasformare la domanda. Per ogni segnale restituisci: fatto osservato, URL o documento e pagina, data della fonte, soggetto coinvolto, possibile effetto sul mio valore, spiegazione alternativa, livello qualitativo di evidenza e informazione mancante. Distingui fatti, inferenze e scenari. Cerca anche elementi che smentiscono la minaccia. Non assegnare probabilità numeriche senza un metodo e dati adeguati. Chiudi con tre verifiche economiche da svolgere entro 30 giorni, indicando responsabile, indicatore e criterio per continuare o fermarsi.

Il rischio di inventare qualcuno che sposta il formaggio

Un modello può produrre un rapporto molto convincente a partire da elementi insufficienti. Il profilo sui rischi dell’AI generativa del National Institute of Standards and Technology è un riferimento per affrontare affidabilità e valutazione di questi sistemi. Nel nostro radar significa aprire i link, controllare le date, conservare i documenti originali e far verificare le ipotesi a chi conosce il settore.

Vanno controllati anche la rappresentatività delle fonti e il tempo degli eventi: la stessa notizia ripresa da dieci siti non equivale a dieci segnali indipendenti. E una data di aggiornamento della pagina non coincide necessariamente con il lancio di un prodotto. Per i materiali aziendali bisogna usare ambienti autorizzati e dati pertinenti, evitando di caricare informazioni riservate senza le necessarie condizioni.

La domanda che mi porterei via dal libro di Johnson è questa: quali abitudini mi impediscono di accorgermi che qualcosa sta cambiando? L’AI può aiutarci a osservare più corridoi, purché qualcuno controlli la mappa e decida dove fare il prossimo passo. Il vantaggio può cominciare da un’abitudine molto semplice: dedicare ogni settimana un po’ di tempo a verificare ciò che oggi diamo per scontato.

Vuoi costruire il radar del cambiamento per la tua azienda?

Possiamo partire dal valore che offri ai clienti, scegliere le fonti da osservare e trasformare i segnali in un laboratorio pratico sull’AI. Raccontami il tuo settore e il problema che vuoi affrontare usando il modulo qui sotto.