Il modello più potente non è quello che vince negli affari
C'è un numero che il presidente di Alibaba.com ha scelto per aprire la sua argomentazione, ed è un numero scomodo: 61,7%. Questa è la percentuale di attività commerciali del mondo reale completate con successo dal miglior agente di intelligenza artificiale che hanno testato. Su 107 operazioni reali di commercio elettronico, il sistema più capace disponibile ha fallito in quattro casi su dieci.
Kuo Zhang non l'ha scelto per scusarsi. L'ha scelto per costruire un caso su ciò che viene dopo la corsa al modello più intelligente. E quel caso, letto dalla psicologia dell'adozione piuttosto che dall'architettura tecnica, dice qualcosa di più inquietante di qualsiasi benchmark: le aziende che continueranno a puntare sulla potenza bruta come vantaggio differenziale stanno fraintendendo dove si vince la vera battaglia.
La notizia pubblicata su Fast Company presenta CommerceAgentBench, il banco di prova open source che Alibaba.com ha costruito a partire da operazioni reali. La metodologia è diversa dai benchmark convenzionali del linguaggio: non misura se il modello genera una risposta plausibile, ma se l'attività è stata portata a termine. L'ordine di acquisto è stato evaso. Il listino è stato pubblicato correttamente. La spedizione è stata prenotata secondo le specifiche. Quel criterio di successo binario rende il benchmark molto più vicino a come un'azienda misura il lavoro umano, e molto più lontano da come l'industria dell'intelligenza artificiale ha misurato il progresso negli ultimi anni.
Ciò che hanno trovato eseguendo diversi modelli su quelle 107 attività non è stata una gerarchia chiara. È stata una frammentazione. Il modello che ha guidato nei preventivi e nella ricerca di mercato è rimasto indietro nella risoluzione dei reclami e nella conformità dei listini. Un terzo sistema si è dimostrato il più efficiente nella pubblicazione dei prodotti e nella gestione dei resi. Nessuno ha dominato tutto. Questa dispersione non è un incidente tecnico: è il punto centrale dell'argomentazione.
L'illusione del modello unico e il costo cognitivo che nessuno quota
Il modo in cui la maggior parte delle aziende ha adottato l'intelligenza artificiale negli ultimi due anni ha seguito uno schema riconoscibile: scegliere il modello più capace disponibile, collegarlo ai flussi di lavoro esistenti e sperare che la potenza compensasse la mancanza di progettazione. È comprensibile. Riduce la complessità della decisione. Evita il disagio di dover capire a fondo cosa fa ogni modello in ogni contesto. E permette al team che adotta la tecnologia di sentire di aver preso la decisione giusta perché ha preso quella più costosa e riconosciuta.
Questo schema ha un nome nell'economia comportamentale: euristica di sostituzione degli attributi. Quando una domanda è difficile — quale sia il sistema migliore per ciascuno dei miei venti flussi operativi — la mente la sostituisce con una domanda più facile da rispondere: qual è il miglior modello disponibile. La risposta alla seconda domanda viene applicata alla prima senza che nessuno noti lo scambio.
Il costo di quello scambio è invisibile finché non viene misurato. Alibaba.com lo ha misurato su 44 attività e ha scoperto che il suo agente Accio, che distribuisce il lavoro tra i modelli in base alla difficoltà e al tipo di ragionamento richiesto, è costato 1,72 dollari in token. Codex è costato 3,79 dollari. Claude Code è costato 3,91 dollari. La differenza non deriva dall'utilizzo di modelli più economici in tutti i casi: deriva dal non utilizzare i più costosi quando non sono necessari.
Quella cifra non è una promessa di ritorno sull'investimento. È un indizio della meccanica che opera al di sotto. Quando un'azienda si standardizza sul modello più potente perché questo semplifica la decisione, sta pagando un ragionamento ad alta complessità per attività che non lo richiedono. Sta, in termini operativi, assegnando al suo miglior analista il compito di archiviare documenti perché così evita di decidere chi dovrebbe archiviare e chi dovrebbe analizzare.
La proposta di Zhang viene denominata delega di precisione: assegnare a ogni flusso di lavoro il livello di capacità e autorità che quel flusso specificamente richiede. Non è un concetto nuovo nella gestione organizzativa. Ciò che è nuovo è che ora si applica a sistemi automatizzati, e che la penalizzazione per non farlo ha un'espressione diretta nel costo variabile di operare l'intelligenza artificiale su scala.
Perché l'adozione si ferma prima del problema tecnico
C'è una dimensione che l'articolo di Fast Company menziona in modo obliquo ma che merita di essere esaminata con maggiore attenzione: il rapporto tra il livello di autonomia che viene concesso a un agente e le conseguenze operative dei suoi errori.
Zhang lo pone con una distinzione diretta. Una bozza debole di una pubblicazione sui social media ha un tipo di conseguenza. Un pagamento errato a un fornitore ne ha un altro. Questa differenza non è solo tecnica: è il centro del problema psicologico dell'adozione negli ambienti aziendali.
Le organizzazioni che hanno incorporato strumenti di intelligenza artificiale in flussi a bassa conseguenza — generazione di testo, riassunti, bozze interne — lo hanno fatto con una frizione relativamente bassa. L'errore è visibile, correggibile, e non produce danni finanziari immediati. La persona che lo utilizza mantiene il controllo sul risultato finale. La sua identità professionale non è a rischio perché il sistema passa ancora attraverso il suo giudizio prima di produrre un effetto nel mondo.
Il momento in cui quella logica si rompe è quando l'agente si connette direttamente con sistemi che eseguono azioni: pagamenti, inventario, logistica, ordini di acquisto. Lì l'equazione cambia in modo fondamentale. L'errore non è più una bozza che viene scartata: è una spedizione errata, un pagamento duplicato, un ordine di acquisto mal configurato che genera obbligazioni contrattuali. E la persona che ha autorizzato l'automazione si fa carico della responsabilità di quell'errore anche se non è intervenuta in esso.
Quello spostamento di responsabilità senza spostamento di controllo è uno dei blocchi psicologici più sottovalutati nell'adozione dell'intelligenza artificiale operativa. Le aziende non si fermano perché i loro team non capiscono la tecnologia. Si fermano perché i loro team capiscono perfettamente che quando un agente fallisce in un'attività ad alto impatto, l'errore ha un nome e un cognome umano. E quel nome è di solito quello di chi ha approvato l'automazione.
Il 61,7% di tasso di completamento del miglior modello su attività reali di commercio è, da questa prospettiva, un numero che agisce in due direzioni opposte. Per chi lo legge come argomento di adozione, dice che c'è già sufficiente capacità per automatizzare con supervisione. Per chi lo legge dalla paura della responsabilità, dice che quasi quattro attività su dieci falliscono, e che quei fallimenti avvengono in sistemi connessi a denaro, inventario e fornitori.
Nessuna delle due letture è errata. Sono semplicemente le due facce dello stesso numero, e l'azienda che decide quanta autorità delegare a un agente sta, in fondo, prendendo una decisione su quanto rischio di errore è disposta a socializzare verso il basso nella sua struttura organizzativa prima di aver costruito solide prove di prestazione.
Il caso Harrison Nott e ciò che rivela sui limiti dell'argomentazione
L'articolo si chiude con l'esempio di Harrison Nott, un sedicenne che ha utilizzato Alibaba.com e Accio per sviluppare un'attività di prodotti per il raffreddamento che, secondo quanto riportato da Fast Company, ha generato 1 milione di dollari. È una storia ben scelta dal punto di vista narrativo: illustra che le capacità un tempo riservate a team con budget e specialisti sono ora alla portata di un individuo senza struttura aziendale.
Ma l'esempio rivela anche, senza proporsi di farlo, un'importante asimmetria nell'argomentazione della delega di precisione.
Per un imprenditore individuale che opera con piena autonomia sulle proprie decisioni, la domanda su quanta autorità delegare a un agente è quasi retorica. Se l'agente commette un errore, il costo viene assorbito dalla stessa persona che ha preso la decisione. Non c'è una gerarchia organizzativa che debba rendere conto. Non ci sono sistemi ereditati che interferiscono. Non ci sono team di conformità che chiedano quale protocollo di approvazione è stato seguito.
In quel contesto, la frizione all'adozione è minima. L'utilità è immediata. Il modello di delega di precisione funziona perché la persona che lo utilizza ha sia l'incentivo ad adottare sia la flessibilità di assorbire l'errore.
Il problema è che quel contesto non descrive la maggior parte delle organizzazioni dove la promessa della delega di precisione sarebbe più preziosa. Una piccola e media impresa (PMI) con sistemi ERP, processi di approvazione, dipartimenti finanziari e revisori interni si trova di fronte a un'architettura di frizione completamente diversa. Lì, adottare un sistema che distribuisce il lavoro tra più modelli secondo criteri di difficoltà e costo richiede non solo una decisione tecnica, ma anche allineare criteri di governance, definire protocolli di eccezione, e costruire uno strato di evidenze che giustifichi l'espansione graduale dell'autorità dell'agente.
Quello strato non è costoso né tecnicamente difficile. Ma è invisibile nell'argomentazione così come è presentata, ed è precisamente quello che determina se la delega di precisione passa da concetto a pratica all'interno di una struttura con molteplici interessi e responsabilità distribuite.
Il vantaggio non sta nel modello ma nell'evidenza accumulata di fiducia
L'argomentazione di Kuo Zhang funziona meglio quando viene letta come una mappa di maturità piuttosto che come una proposta di adozione immediata. Le aziende che otterranno vantaggio nella prossima fase dell'intelligenza artificiale operativa non saranno necessariamente quelle che avranno accesso ai modelli più capaci. Saranno quelle che avranno costruito l'infrastruttura di valutazione che permette loro di sapere, flusso per flusso, quale modello rende meglio, a quale costo, e in quali condizioni è sicuro espandere l'autonomia del sistema.
Quella infrastruttura non è glamour. Non appare negli annunci di prodotto né nei benchmark pubblici. Ma è la differenza tra un'azienda che ha adottato l'intelligenza artificiale come esperimento e una che l'ha incorporata come capacità operativa sostenibile.
Ciò che CommerceAgentBench propone, nella sua forma più ridotta, è che la valutazione continua delle prestazioni a livello di attività è di per sé una capacità strategica. Non il modello che usi oggi, ma la capacità di misurarne le prestazioni reali, regolare l'assegnazione ed espandere l'autorità dell'agente man mano che accumula prove di affidabilità.
Quel processo di espansione graduale dell'autorità basata su prestazioni dimostrate ha un parallelo diretto nel modo in cui le organizzazioni di successo gestiscono le persone. Un nuovo dipendente non riceve immediatamente accesso a tutti i sistemi né l'autorità di impegnare risorse senza approvazione. Quella autorità si espande man mano che le sue prestazioni generano prove che può esercitarla senza produrre errori costosi.
Applicare la stessa logica agli agenti di intelligenza artificiale non è una restrizione conservatrice al potenziale della tecnologia. È l'unico modo per risolvere il blocco psicologico centrale che impedisce alle organizzazioni di spostare l'adozione da flussi a bassa conseguenza verso operazioni dove l'impatto finanziario giustifica l'investimento.
Il vantaggio del prossimo ciclo non appartiene a chi ha il modello più intelligente. Appartiene a chi ha costruito il processo per sapere quando fidarsi dell'agente per un'attività che conta, supportato da dati di prestazione che qualcuno possa mostrare quando l'errore finalmente si verifica, perché si verifica sempre, e la differenza tra un'azienda che assorbe quell'errore e una che si paralizza di fronte ad esso sta nel fatto che abbia avuto un protocollo o soltanto una speranza.
