Il ruolo dell’intelligenza artificiale
Paolo Volterra 
L’intelligenza artificiale è entrata negli uffici più velocemente di quanto molte organizzazioni abbiano avuto il tempo di prepararsi. Viene usata per riassumere documenti, rispondere a domande, cercare informazioni, produrre bozze di testi. In molti ambienti professionali è già uno strumento quotidiano, anche se spesso in modo informale e non strutturato.
Ma c’è qualcosa che non viene detto abbastanza chiaramente: l’intelligenza artificiale lavora meglio quando le informazioni sono strutturate.
L’AI non è un oracolo — è un motore di contesto
Un sistema di intelligenza artificiale non “sa” le cose nel senso in cui le sa un esperto umano. Elabora informazioni che gli vengono fornite e produce risposte coerenti con quel contesto. Più il contesto è preciso, più la risposta è utile. Più il contesto è vago o frammentato, più la risposta rischia di essere generica, imprecisa, o peggio — plausibile ma sbagliata.
Immagina di chiedere a un assistente AI: “Dammi un quadro del credito alle imprese in Basilicata.”
Se l’AI ha accesso a documenti privi di metadati — titoli generici, date mancanti, fonti non indicate — non sa quali report sono recenti e quali obsoleti, quali riguardano la Basilicata e quali l’Italia intera, quali usano dati Banca d’Italia e quali fonti private. Produrrà comunque una risposta. Ma quella risposta potrebbe mescolare dati di anni diversi, territori diversi, fonti diverse — senza che né l’AI né l’utente se ne accorgano facilmente.
Ora immagina gli stessi documenti con un blocco YAML in testa:
title: “Credito alle imprese”
territory: “Basilicata”
year: 2025
source: “Banca d’Italia”
author: “Paolo Volterra”
L’AI può adesso filtrare per territorio, selezionare per anno, distinguere le fonti. La domanda dell’utente ottiene una risposta basata sui documenti giusti — non su tutti i documenti disponibili mescolati insieme.
Tre cose che l’AI fa meglio con documenti strutturati
Trovare i documenti rilevanti. Se i documenti hanno campi espliciti per territorio, periodo e tema, un sistema AI può recuperare rapidamente tutto ciò che riguarda, per esempio, la Calabria nel triennio 2022-2024. Senza metadati, la stessa ricerca richiede lettura manuale di decine di file.
Segnalare ciò che manca. Un sistema AI che legge un documento con campi YAML vuoti può immediatamente segnalare: “Questo report non indica la fonte dei dati” oppure “Manca l’indicazione del periodo di riferimento.” È una forma automatica di controllo qualità — il tipo di verifica che un revisore umano farebbe, ma che raramente viene fatta per ogni documento prodotto.
Collegare documenti simili. Con metadati strutturati, l’AI può riconoscere che due report prodotti in anni diversi dallo stesso ufficio, sullo stesso territorio, con la stessa fonte, appartengono a una serie storica. Può confrontarli, segnalare discontinuità, evidenziare tendenze. Senza struttura, ogni documento è un’isola.
Il rischio dell’imperizia nell’era dell’AI
Torniamo per un momento al capitolo 3.
L’imperizia, ricordiamo, è usare uno strumento tecnico senza comprenderlo.
L’intelligenza artificiale è oggi lo strumento tecnico più esposto a questo rischio. Produce output fluenti, ben costruiti, convincenti. È facile fidarsi di una risposta che suona autorevole — anche quando è basata su dati sbagliati, documenti obsoleti, o informazioni non verificate.
Chi usa l’AI in modo professionale ha una responsabilità precisa: capire su cosa si basa la risposta. Questo non significa diventare esperti di machine learning.
Significa verificare che i documenti su cui l’AI lavora siano ben descritti, aggiornati, correttamente attribuiti. Significa, in altre parole, che la qualità dell’output AI dipende direttamente dalla qualità dell’input — e che un documento con metadati YAML ben compilati è un input di qualità superiore a uno scritto in prosa libera senza contesto.
Struttura e AI: un circolo virtuoso
C’è un ultimo punto che vale la pena sottolineare.
L’AI non sostituisce il giudizio umano — lo amplifica. Un analista che lavora con documenti ben strutturati e un sistema AI ben alimentato può fare in un’ora ciò che altrimenti richiederebbe giorni. Ma questa amplificazione funziona solo se la struttura c’è. Senza struttura, l’AI amplifica anche il rumore, anche l’imprecisione, anche la romanella.
Il foglio di gioco del capitolo 1 torna utile anche qui. Se le colonne sono chiare, il gioco funziona — per gli esseri umani e per le macchine. Se le colonne mancano, ognuno gioca la propria partita senza che i risultati siano confrontabili.
Nel capitolo finale vedremo come tutto questo si traduca in qualcosa di pratico e immediato: le checklist e i to-do list come strumenti quotidiani di prevenzione dell’errore.
Pubblicato in origine su Substack il 12 marzo 2026.
Vedi anche
- Platone e l’intelligenza artificialeConoscenza, rappresentazione della realtà, apprendimento e verità
- La nascita dell’uso dell’intelligenza artificiale in banca: dietro le quinteCome è stato costruito evidence_merged.json Nota metodologica sul processo di retrieval e costruzione dell’evidence pack per LLM
- Nell’era dell’intelligenza artificiale è meglio essere STEM o non-STEM?L’articolo esamina se la diffusione dell’intelligenza artificiale renda relativamente più vantaggiosa una formazione tecnico-scientifica (STEM) o una formazione economica, giuridica, umanistica o sociale.