La consulenza AI si scontra spesso con un problema che sembra tecnico ma è profondamente etico: chi ha fatto davvero il lavoro. Il caso di OpenAI, che ha annunciato di aver risolto uno dei Millennium Prize Problems con un sistema interno di agenti, lo dimostra bene. L’annuncio, che avrebbe dovuto essere un trionfo, è stato travolto dalle accuse di due ricercatori che sostengono di non essere stati citati, pur avendo dedicato quasi un anno allo stesso problema.
Il problema dell’attribuzione nei progetti AI
Quando un’azienda dispiega diecimila agenti simultanei per settimane, come ha fatto OpenAI secondo quanto riportato da Unite.AI, il risultato finale appare come un prodotto della macchina. Ma dietro quel risultato ci sono sempre dati, metodi e intuizioni umane preesistenti. Un consulente AI serio deve porsi una domanda semplice prima di consegnare qualunque output ai clienti: quali fonti, quali lavori pregressi, quali competenze umane sono state incorporate nel processo?
Per una PMI italiana che si affida a un consulente per automatizzare l’analisi di mercato o la reportistica finanziaria, il rischio non è teorico. Se un modello AI genera contenuti basandosi su ricerche di terzi senza tracciabilità, l’azienda che li pubblica si espone a contestazioni di plagio o violazione di proprietà intellettuale. Non è un dettaglio da manuale, è un rischio reputazionale e legale concreto.
Trasparenza come parte del metodo, non come opzione
Il secondo insegnamento riguarda la trasparenza metodologica. OpenAI ha condiviso sia la scrittura della dimostrazione sia la sua formalizzazione in Lean, il proof assistant usato per verificare rigorosamente ogni passaggio logico. Questo livello di apertura permette a chiunque di controllare il lavoro, ma non basta a risolvere la questione dei crediti se manca la mappatura di cosa viene da dove.
Un consulente che introduce l’AI generativa in un’azienda dovrebbe applicare lo stesso principio su scala più piccola: documentare quali dataset, quali template, quali fonti esterne alimentano ogni output. Non serve un sistema complesso come Lean, basta un registro semplice: da dove viene questo testo, questo grafico, questa previsione? Chi lo ha validato? È un lavoro noioso, ma evita sorprese quando un cliente chiede conto di un errore o di una somiglianza sospetta con materiale altrui.
La dimensione delle risorse impiegate da OpenAI, milioni di dollari e migliaia di agenti paralleli, è fuori portata per la maggior parte delle aziende italiane. Ma la logica sottostante resta identica anche con budget più modesti: più il sistema AI è potente, più cresce la responsabilità di sapere cosa sta effettivamente producendo e su quali basi.
Un metodo, non solo uno strumento
Chi fa consulenza AI per PMI non vende solo tecnologia, vende un metodo per gestirla senza rischi. Il caso OpenAI, al di là del clamore sulla matematica, ricorda che la fiducia nei sistemi automatizzati si costruisce con processi verificabili, non con annunci spettacolari. Per un imprenditore italiano che valuta di introdurre agenti AI nei propri processi, la domanda giusta non è quanto è potente lo strumento, ma quanto è tracciabile il suo lavoro. È una differenza che vale più di qualsiasi primato tecnico.
Consulenza AI: la lezione del caso OpenAI sui crediti mancati
