Perché le differenze tra le applicazioni di intelligenza artificiale contano meno di quanto pensiamo (e cosa conta davvero)
Quando si parla di ChatGPT, Claude, Grok, Gemini o delle interfacce locali come LM Studio e Ollama, la domanda che torna più spesso è: «Quale è meglio?». La risposta più onesta, e anche la più interessante, è che per il compito di base — prendere un input e generare una risposta — le differenze sono minori di quanto si pensi.
“Sotto il cofano”, quasi tutte queste applicazioni fanno sostanzialmente la stessa cosa: mandano un prompt a un modello e restituiscono i token generati. L’inferenza, in sé, non è magica né particolarmente diversa da un sistema all’altro.
Quello che cambia è tutto il resto.
La macchina
Il modello (i suoi parametri, l’architettura, i dati di training, il tipo di allineamento) è solo il motore. Intorno c’è un’intera macchina:
– la dimensione e la gestione del contesto
– la capacità di usare strumenti (ricerca, codice, API)
– la multimodalità (testo, immagini, audio, video)
– l’infrastruttura (velocità, costo, affidabilità)
– l’interfaccia e le funzioni di supporto (memoria, progetti, personalizzazione)
Due modelli con parametri simili possono dare esperienze completamente diverse a seconda di come è costruita questa “macchina”.
Il pilota
Ma c’è un elemento che spesso viene dimenticato nella metafora: il guidatore.
Lo stesso identico modello, sulla stessa piattaforma, produce risultati drasticamente diversi a seconda di chi lo usa. La capacità di strutturare il ragionamento, di decomporre i problemi, di iterare in modo intelligente, di conoscere i limiti dello strumento e di valutarne criticamente gli output fa una differenza enorme.
Come la fa, naturalmente, la competenza nel settore specifico è l’esperienza pregressa nel “dominio”.
E questo non vale solo per il testo.
Con la generazione di immagini, video e audio il divario tra un utente mediocre e uno bravo tende ad allargarsi, non a ridursi. Un prompt vago produce risultati mediocri. Un prompt preciso, gerarchico, consapevole dei meccanismi del modello e accompagnato da un processo di raffinamento intelligente può portare a risultati di un altro livello — anche partendo dallo stesso motore.
La conclusione “scomoda”
Più i modelli diventano potenti e flessibili, più il fattore umano torna a essere decisivo. Non nel senso romantico del “l’AI non sostituirà mai la creatività”, ma in un senso molto più pragmatico: la qualità dell’output dipende sempre di più dalla qualità dell’interazione.
Il motore conta.
La macchina conta.
Ma senza un pilota capace, anche un’auto di Formula 1 resta ferma ai box.
Da diversi anni mi impegno a formare, con libri e formazione, dei “bravi piloti”.
Testi specifici dedicati alle singole piattaforme (ChatGPT, Gemini), ai diversi ambiti (Didattica, Comunicazione, Grafica) e ovviamente al prompt design/engineering e all’uso “locale” dell’AI.
Se vuoi diventare un bravo pilota e farti assistere sempre meglio dall’AI nell’ambito (o negli ambiti) di tuo interesse, non hai che andare in libreria (fisica o virtuale), scegliere e cominciare.
