Gemini e il metodo Kahneman

Gemini e il metodo Kahneman: l’analogia tra pensiero veloce e pensiero lento aiuta a capire quando chiedere all’AI una risposta immediata e quando affidarle un’analisi più articolata. Per un titolo possono bastare pochi secondi. Per valutare un progetto servono contesto, vincoli, alternative e verifiche.

Nel mio video parto da questa distinzione per parlare di modelli di ragionamento e di un esercizio concreto: il fast forward, cioè proiettarsi nel futuro per individuare i punti deboli di un progetto prima di avviarlo. Qui sviluppo il tema con esempi e prompt da provare.

Guarda il video: Gemini e il metodo Kahneman

Preferisci YouTube? Apri il video sul mio canale.

Che cosa sono il Sistema 1 e il Sistema 2 di Kahneman?

Daniel Kahneman, autore di Pensieri lenti e veloci, descrive due modalità del pensiero. Il Sistema 1 è rapido, intuitivo e automatico. Il Sistema 2 richiede attenzione e uno sforzo deliberato. La distinzione è spiegata anche nell’estratto del libro pubblicato da Macmillan.

Un esempio quotidiano: riconoscere il volto di un collega richiede pochissimo sforzo; confrontare tre proposte con costi e condizioni differenti richiede concentrazione. Questi “sistemi” sono un modo per descrivere processi cognitivi, non due persone nascoste nel cervello.

La metafora è utile anche quando lavoriamo con un chatbot. Alcune richieste richiedono soprattutto velocità; altre richiedono più passaggi e controlli. Nel titolo uso quindi “metodo Kahneman” come chiave divulgativa: non è il nome di una funzione ufficiale di Gemini.

Che cosa significa ragionamento nei modelli Gemini?

Google descrive il thinking come un’elaborazione interna che precede la risposta e sostiene compiti complessi, come la pianificazione in più passaggi e l’analisi dei dati. Il riferimento tecnico è la documentazione ufficiale sul thinking di Gemini.

Già nella presentazione di Gemini 2.5 del marzo 2025, Google collegava queste capacità ai miglioramenti del modello e del post-training. È quindi un’evoluzione del sistema, non un effetto magico ottenuto scrivendo “ragiona meglio” nel prompt.

Esiste inoltre un filone di ricerca sui passaggi intermedi: lo studio di Jason Wei e colleghi, Chain-of-Thought Prompting Elicits Reasoning in Large Language Models, ha mostrato miglioramenti su diversi compiti di ragionamento usando esempi di soluzione articolati. Questo risultato non dimostra che una macchina pensi come una persona.

L’analogia con Kahneman resta una metafora. Non basta una risposta lunga per dimostrare che il ragionamento sia corretto. Per valutare il risultato preferisco controllare ipotesi, calcoli, fonti e rispetto dei vincoli. Una spiegazione convincente può comunque contenere un errore.

Quando usare una risposta rapida e quando un’analisi approfondita

Ti propongo questa griglia come criterio di lavoro, da adattare al modello e alle opzioni disponibili nel tuo account.

Per esempio, “dammi dieci idee per LinkedIn” lascia ampio spazio alla genericità. Una richiesta più utile potrebbe essere questa:

Progetta un piano editoriale LinkedIn di quattro settimane per [azienda]. Pubblico: [target]. Obiettivo: [risultato]. Abbiamo [risorse] e possiamo pubblicare [frequenza]. Prima segnala le informazioni mancanti. Poi proponi temi, formati e criteri di valutazione. Motiva sinteticamente le scelte e indica le ipotesi da verificare.

Questo è un esempio aggiuntivo da sperimentare. La qualità si valuta confrontando il piano con le possibilità reali dell’azienda. Sul tema ho scritto anche di come l’AI può aiutare o distorcere le decisioni aziendali.

Il fast forward: immagina che il progetto sia già fallito

Il fast forward richiamato nel video si presta a un esercizio di premortem. Gary Klein ne descrive il metodo su Harvard Business Review: ipotizzare un fallimento e cercarne le cause plausibili.

Ecco una mia proposta pratica da usare con Gemini. Serve a generare ipotesi per una discussione, non a prevedere il futuro.

Ti allego la descrizione del progetto [nome], con obiettivi, tempi, risorse e vincoli. Immagina che siano passati sei mesi e che l’obiettivo principale non sia stato raggiunto. Formula cinque possibili spiegazioni, distinguendo i fatti presenti nei materiali dalle tue ipotesi. Per ogni spiegazione indica: segnale precoce osservabile, controllo da fare adesso e azione preventiva. Non inventare dati o probabilità. Chiudi con tre domande da porre al gruppo di lavoro.

Immaginiamo, per esempio, il lancio di una newsletter aziendale. Nell’esercizio potrebbero emergere un pubblico troppo generico, nessuno incaricato di raccogliere i contenuti o una frequenza insostenibile. Sono possibilità da verificare, non diagnosi dell’AI.

Il passaggio utile arriva dopo: assegnare un responsabile, controllare quante ore servono e provare a produrre un numero pilota. Una lista di rischi senza decisioni successive resta una lista. Magari elegantissima, ma sempre una lista.

Come verificare se l’AI ti ha aiutato davvero

Ti suggerisco un piccolo confronto sullo stesso progetto. Chiedi prima una valutazione generale, poi ripeti la richiesta con documenti, vincoli e il prompt di premortem. Valuta entrambe le risposte su quattro aspetti:

• Specificità: parlano del tuo progetto o potrebbero valere per qualsiasi azienda?
• Tracciabilità: distinguono i dati forniti dalle ipotesi?
• Utilità: propongono controlli e azioni concretamente eseguibili?
• Solidità: rispettano vincoli, numeri e informazioni disponibili?

Questo confronto valuta l’intero modo di lavorare con l’AI. Se cambi insieme prompt e modalità del modello, non puoi attribuire il miglioramento soltanto al thinking.

La mia proposta è usare l’AI come interlocutore da mettere alla prova: chiedere alternative, far emergere dubbi e verificare ciò che conta. Il tempo risparmiato nella scrittura può diventare tempo dedicato a una decisione migliore.

Domande frequenti su Gemini e il metodo Kahneman

Esiste un pulsante “metodo Kahneman” in Gemini?

Qui l’espressione indica un’analogia divulgativa. Per usare il modello segui le opzioni effettivamente disponibili nell’interfaccia del tuo account: nomi e disponibilità possono cambiare.

Devo chiedere al chatbot tutti i suoi pensieri?

Per lavorare meglio è più utile chiedere una spiegazione sintetica e verificabile: criteri, assunzioni, passaggi di calcolo e fonti. Google distingue inoltre i riepiloghi del ragionamento dalla sua rappresentazione interna.

Il premortem mi dice se un progetto fallirà?

No. Nell’esercizio il fallimento è un’ipotesi deliberata per cercare vulnerabilità. Le possibilità emerse vanno confrontate con dati, persone coinvolte e vincoli reali.

Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa

Mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.