Con l’AI tanti consigli a disposizione, ma non li sfruttiamo quanto potremmo

L’intelligenza artificiale e gli strumenti digitali hanno reso disponibili quantità sempre maggiori di informazioni e suggerimenti qualificati. Avere accesso a un consiglio però non significa necessariamente prendere decisioni migliori. Nella maggior parte delle situazioni professionali e della vita quotidiana, infatti, la scelta finale resta nelle mani delle persone, chiamate a valutare quando affidarsi al suggerimento ricevuto, quando seguire il proprio giudizio e come integrare le due fonti di informazione.

A esplorare questo delicato equilibrio tra intuizione umana e consulenza esterna è lo studio “Adaptive yet suboptimal integration of advice in decision-making”, pubblicato sulla rivista Communications Psychology del gruppo Nature e realizzato da un gruppo di ricercatori dell’Università di Milano-Bicocca in collaborazione con l’Università di Pavia. La ricerca, condotta da Joshua Zonca, Alice Giampino e Carlo Reverberi di Milano-Bicocca, insieme a Paolo Cherubini dell’Università di Pavia, ha analizzato il modo in cui le persone utilizzano i consigli ricevuti e quanto riescano effettivamente a valorizzarli nel processo decisionale.

Nei due esperimenti condotti, 89 partecipanti hanno interagito con sette diversi “consulenti artificiali”, ciascuno caratterizzato da specifiche proprietà. Alcuni erano più competenti dei partecipanti, altri meno; alcuni mostravano maggiore sicurezza nelle proprie risposte, altri adottavano un atteggiamento più prudente. I ricercatori hanno inoltre introdotto consulenti con livelli di affidabilità variabile nella valutazione della propria stessa risposta e un ultimo profilo costruito come una sorta di “gemello digitale” del partecipante, con caratteristiche simili alle sue.

I risultati hanno evidenziato un elemento chiave: le persone tendono a non considerare abbastanza le caratteristiche di chi fornisce il consiglio. Il contributo degli esperti – umani o artificiali – porta effettivamente a un miglioramento delle prestazioni, ma il vantaggio ottenuto è inferiore rispetto a quello potenzialmente raggiungibile. Lo studio suggerisce quindi che, anche nell’era dell’intelligenza artificiale, la qualità delle decisioni non dipende soltanto dalla disponibilità di informazioni o dalla capacità degli algoritmi di offrire suggerimenti, ma anche dalla capacità umana di interpretarli correttamente, valutandone attendibilità e limiti.

Joshua Zonca spiega: “Per capire il meccanismo, possiamo ricorrere a un’analogia. Immaginiamo di aver risparmiato una piccola somma e di volerla investire. Abbiamo già una nostra idea, ma, per evitare errori, chiediamo consiglio a due conoscenti. Il primo è il classico sbruffone, sempre sicurissimo di sé, che ci dice senza esitazione: “Fai questo!”. Il secondo è più prudente ma sappiamo che spesso ha ragione: “Credo che sia meglio fare quest’altro”. Per prendere la decisione migliore, non dovremmo limitarci ad ascoltare chi parla con più convinzione: dovremmo considerare quanto ciascuno sia realmente competente e quanto la sua sicurezza sia affidabile. E, in alcuni casi, dovremmo dare al consiglio ricevuto persino più peso che alla nostra opinione iniziale. Eppure, spesso ciò non accade“.

Lo studio identifica due cause principali. La prima è un bias egocentrico: chi decide tende sempre ad attribuire troppo peso al proprio giudizio, sottovalutando quello del consulente. La seconda è la difficoltà di passare dal generale al particolare, ovvero nel trasformare le conoscenze generali sulla qualità della fonte in aggiustamenti concreti nelle singole decisioni: come dire, di fronte al parere di un consulente più esperto di noi, dirsi un po’ troppo spesso “sì, nella media ne sa più di me, ma non in questo particolare caso”. Queste difficoltà persistono anche quando le persone vengono informate esplicitamente delle proprie capacità e di quelle del consulente.

Lo scarto rispetto alla prestazione ottimale è risultato particolarmente ampio con i consulenti di qualità più elevata, proprio nei casi in cui il consiglio potrebbe offrire il maggiore vantaggio.

“Per progettare sistemi di supporto alle decisioni basati sull’AI non basta offrire consigli accurati e trasparenti: occorre anche formare le persone a usarli consapevolmente e aiutarle a capire, decisione per decisione, quanto peso attribuire a ciascun consiglio“, conclude Carlo Reverberi.