Negli ultimi anni l’intelligenza artificiale generativa è diventata il principale catalizzatore di investimenti tecnologici a livello globale. Venture capital, grandi gruppi industriali e governi stanno convogliando risorse senza precedenti verso i modelli generativi e i Large Language Models, considerati una leva strategica per la produttività, la competitività e la crescita. In questo scenario, l’IA non è più solo una tecnologia abilitante, ma una vera e propria infrastruttura cognitiva destinata a incidere sui processi decisionali delle imprese.
Dietro questa accelerazione, tuttavia, si nasconde un paradosso raramente esplicitato nel dibattito economico: stiamo costruendo sistemi che simulano comportamenti intelligenti senza possedere una comprensione condivisa di che cosa sia l’intelligenza umana. I modelli di IA contemporanei non nascono da una teoria della mente o del pensiero, ma da modelli statistici del linguaggio, addestrati su enormi quantità di dati per intercettare correlazioni tra simboli. Funzionano, e funzionano molto bene, ma non “capiscono” nel senso umano del termine.
Dal punto di vista economico, questa asimmetria è perfettamente razionale. L’intelligenza artificiale è scalabile, industrializzabile e brevettabile. Produce ritorni misurabili e relativamente rapidi, consentendo alle imprese di migliorare efficienza, ridurre costi e accelerare processi complessi. Al contrario, la ricerca sull’intelligenza umana – neuroscienze, scienze cognitive, psicologia – è lenta, frammentata e difficilmente monetizzabile nel breve periodo. Il risultato è una sproporzione strutturale negli investimenti: decine e decine di miliardi destinati allo sviluppo dell’IA, a fronte di risorse molto più limitate per comprendere i meccanismi cognitivi che essa pretende di replicare.
Il successo dei Large Language Models dimostra che è possibile ottenere prestazioni elevate anche in assenza di una comprensione teorica dell’intelligenza. Tuttavia, proprio questa evidenza sta iniziando a mostrare i suoi limiti. Allucinazioni, fragilità contestuale, difficoltà nel ragionamento causale e controfattuale non sono semplici difetti tecnici, ma segnali di una mancanza più profonda: l’assenza di modelli interni del mondo paragonabili a quelli che caratterizzano l’intelligenza umana.
Per il mondo del business e della finanza, la questione diventa quindi strategica. Se l’IA è destinata a diventare una componente strutturale dei processi decisionali aziendali, della pianificazione e della governance, la distanza tra prestazione e comprensione potrebbe trasformarsi in un rischio sistemico. Una tecnologia che funziona molto bene in contesti standardizzati può rivelarsi fragile quando chiamata a operare in ambienti complessi, ambigui o ad alta incertezza.
La vera domanda, allora, non è se l’Intelligenza Artificiale sia potente – lo è già – ma se potrà esprimere tutto il suo potenziale continuando a crescere senza una comprensione più profonda dell’intelligenza che imita. Perché nel lungo periodo, anche dal punto di vista economico, investire solo sulla potenza senza investire sulla comprensione potrebbe rivelarsi una scelta miope.
Prof. Carlo Maria Medaglia, Prorettore per la Terza Missione – Università degli Studi Telematica IUL
IntelligentIA è il primo grande evento dedicato all’IA in programma a Roma il 6-7 marzo 2026. Due giornate “full immersion” sull’intelligenza artificiale per capire come integrarla nei processi di business e come gestirla con intelligenza umana, per prendere decisioni migliori e generare valore reale per le organizzazioni, le aziende e le persone.
