Il prodotto che l’AI non può progettare

Un report del MIT pubblicato nel 2025 ha misurato l'impatto reale dell'AI generativa nelle aziende: il 95% dei pilot non produce nessun effetto sul business. Non un ritorno parziale. Zero.

Il dato stride con quello che si respira da mesi, dentro e fuori Tangible. L'entusiasmo è reale e comprensibile perché gli strumenti sono potenti, accessibili e promettono di cambiare il modo in cui lavoriamo.

La spiegazione più comoda è che la tecnologia non sia ancora matura. La più vera, secondo gli stessi ricercatori, è un'altra: il problema non sono i modelli. È che la maggior parte degli strumenti non impara e non si adatta ai workflow reali, quindi non genera valore nelle operazioni.
Lo abbiamo visto da vicino anche noi, da una prospettiva diversa.

L'illusione dell'abbondanza

Stavamo lavorando con un'azienda alla riprogettazione di uno strumento digitale a supporto del loro processo commerciale. Ridurre l'intervento manuale, guidare l'utente nella scelta e raccogliere i dati in modo strutturato. Perimetro definito, direzione condivisa.

Poi, in una delle call di progetto, il cliente ha condiviso quasi per caso una nuova idea, sviluppata nei giorni precedenti con l'AI generativa, interfacce incluse.
E poi un’altra e un’altra ancora. Non è stato un cambio di rotta netto. È stata una progressiva espansione: nuove idee che arrivavano tra una call e l'altra, nuovi touchpoint da esplorare, nuove funzionalità da immaginare. Tutte sensate. Tutte, nella mente del cliente, ugualmente urgenti.

Quello che stava accadendo non era una distrazione. Era qualcosa di più strutturale. L'AI generativa ha abbassato drasticamente il costo di produrre un'idea: non serve più saper costruire qualcosa per immaginarlo e descriverlo.
Bastano pochi secondi. Dunque perché limitarsi?

Man mano che le idee si moltiplicavano, ci siamo resi e rese conto che lo strumento che stavamo progettando, il punto di partenza del progetto, non era necessariamente il problema principale. Era un tassello, forse il più visibile, di qualcosa di più grande e più ingarbugliato che il cliente stava cercando di risolvere a modo suo: generando idee su idee. L'AI aveva dato forma e velocità a una complessità che era già lì. Il perimetro si era allargato perché il problema, quello vero, non era mai stato del tutto definito.

Senza un metodo che aiutasse a fare ordine in quell'abbondanza e a tornare alla domanda giusta, l'AI non aveva prodotto più chiarezza. Aveva prodotto più rumore. E il rumore, nelle organizzazioni, ha sempre dei costi: sui tempi e sulle decisioni che restano in sospeso.

Dove cade il conto

Negli ultimi mesi ci siamo confrontati su questi temi con Marzia Aricò, designer e autrice, una delle voci più lucide sul futuro della professione. Durante un incontro della Tangible Academy, una sua frase in particolare ci è rimasta impressa:

Il vantaggio competitivo non sarà fare AI, ma aiutare i clienti a non farsi governare da ciò che hanno costruito.

È una frase che sposta il fuoco dall'adozione dello strumento alla capacità di chi progetta di mantenere una direzione: essere la figura che aiuta l'organizzazione a prendere decisioni consapevoli su ciò che sta costruendo.
Il centro di gravità del design si sta spostando dagli artefatti all'infrastruttura decisionale.

È un passaggio che porta con sé responsabilità nuove: strutturare le decisioni e rendere visibili le conseguenze di ciò che si sta costruendo. Ora più di prima. Ma anche frenare: dire a un cliente carico di entusiasmo che alcune idee si contraddicono e che il problema di fondo non è ancora stato messo a fuoco.

Non è un ruolo simpatico. Non te lo chiede nessuno esplicitamente e rischi sempre di passare per chi mette il freno invece di spingere. Eppure è spesso il momento più decisivo. Quando questo lavoro non viene fatto, qualcuno paga il conto. E quel conto, quasi mai, si misura in crediti AI.

Nel nostro esempio, il conto si è pagato in modo progressivo, con riunioni che si moltiplicavano senza produrre decisioni e nessun filo logico a tenere insieme il lavoro. A un certo punto ci siamo chiesti perché stessimo progettando, senza riuscire più a essere davvero convinti di stare affrontando il problema nel modo giusto.

Ogni idea generata con l'AI arrivava con il suo carico di entusiasmo, ma senza il contesto necessario per valutarla, nessuna veniva mai scartata. Nessuna veniva davvero scelta. Le decisioni si accumulavano, sospese.

Le condizioni che mancavano

Quello che mancava in quel progetto non era uno strumento diverso o un metodo più rigoroso. Mancava una domanda: qual è davvero il problema che stiamo cercando di risolvere?

Insieme alla domanda mancavano un problema definito e un criterio per valutare le idee che continuavano ad arrivare. Senza quella base, ogni output generato aveva lo stesso peso, e nessuno veniva davvero scartato. L'AI aveva reso più facile produrre idee. Aveva reso più difficile capire quale valesse la pena sviluppare. Un output può sembrare convincente in presentazione e rivelarsi inutile nell'uso: era la risposta giusta alla domanda sbagliata.

Un passo indietro

Come disse Kurt Vonnegut nel suo Piano meccanico: “Un passo indietro, quando si è presa la strada sbagliata, è un passo nella direzione giusta.”

Tornare alle basi non ha significato ignorare l'AI. Ha significato ricreare le condizioni perché avesse senso usarla.

Abbiamo aiutato il cliente a stabilire una direzione chiara, ragionando sull'ecosistema nella sua interezza invece di continuare a progettare affidandoci ciecamente alla guida dell'AI. Abbiamo impiegato settimane, settimane vere, a capire cosa costruire e validare subito e cosa potesse aspettare. Per farlo abbiamo cercato utenti reali con cui testare, raccogliendo feedback concreti, e costruito un metodo di lavoro condiviso con il team del cliente, coinvolgendolo invece di lavorargli intorno.

Ma il lavoro più difficile non è stato quello metodologico. È stato umano.

Accompagnare il cliente verso una prospettiva diversa ha richiesto tempo e una negoziazione continua: aiutarlo a distinguere quello che sapeva da quello che assumeva di sapere, convincerlo a rallentare prima di costruire, restituirgli una visione d'insieme invece di un'idea isolata alla volta.

Il nostro lavoro più vero non erano le interfacce: era aiutare il cliente a muoversi con intenzione. A smettere di inseguire ogni nuova idea e iniziare a chiedersi quale valesse la pena costruire.

E l’AI?

Solo con una direzione chiara, l'AI ha trovato davvero il suo posto: non come generatore di idee da inseguire, ma come abilitatore concreto. Ci ha supportato nella ricerca e nell'esplorazione delle soluzioni, accelerando il lavoro.

Ma il valore più inaspettato è stato un altro. L'AI è diventata un linguaggio comune con il cliente, visivo e immediato, accessibile a entrambe le parti. Quello che prima era quasi esclusivo territorio del designer (la capacità di visualizzare un'idea) è diventato qualcosa che il cliente ora può fare in autonomia.

Cambia anche il modo di comunicare tra chi progetta e chi vive il prodotto. Il vecchio valzer tra proposta e approvazione lascia spazio a una co-progettazione ad armi pari, in cui il cliente può esprimersi e farsi comprendere.

Le condizioni che restano da costruire

C'è qualcosa che nessuno strumento ha ancora imparato a generare e non è un'interfaccia: è la chiarezza che permette di decidere cosa vale davvero la pena costruire. Non si produce in pochi secondi. Si costruisce lentamente, con le persone. E nel momento in cui costruire è diventato gratis, è esattamente quella che fa la differenza tra un prodotto che funziona nel mondo reale e uno che funziona solo nella demo.

La domanda che il nostro caso lascia aperta vale per qualunque organizzazione: chi progetta le condizioni perché si decida bene cosa costruire, ora che costruire è la parte facile?