1 Partenza

Lezione

Paura, e poche competenze

Sui giornali l’AI arriva soprattutto come una minaccia. Eppure in Italia la usa il 16% delle imprese con almeno 10 addetti, contro il 20% della media europea. Il motivo principale per cui le imprese la scartano: mancano le competenze (Banca d’Italia, dati Eurostat).

Chi la usa senza conoscerla sbaglia. A Firenze un avvocato deposita in tribunale sentenze della Cassazione inventate da ChatGPT; in Australia Deloitte consegna al governo un rapporto con studi che non esistono. Si chiama allucinazione: un testo che sembra vero ed è inventato. Non è mancato lo strumento, è mancato chi controllasse. E la usiamo tutti: il 94% degli studenti, e tra chi si fida di più il 55% non controlla mai le risposte.

Cosa resta da fare a noi

Se l’AI sa già fare tutto, cosa resta a noi? Delegare non vuol dire sparire. Del commercialista non vediamo come lavora, giudichiamo il risultato, e se sbaglia la multa arriva a noi. L’AI è un commercialista bravissimo e quasi gratuito, ma senza albo e senza responsabilità. A chi delega restano tre passaggi: dire cosa fare, controllare il risultato, firmare. E per controllare bisogna capire.

Il prezzo della delega

• Negli Stati Uniti, dopo ChatGPT, l’occupazione scende solo per chi ha 22–25 anni e lavora dove l’AI è più usata: assunzioni che non ci sono state (Stanford).
• Per la Banca d’Italia i contabili sono sostituibili, gli specialisti di economia complementari. La differenza non è il titolo di studio: nei primi si applicano procedure, nei secondi si capisce la situazione e si decide.
• In un esperimento con 758 consulenti, l’AI migliora il lavoro dove è brava e lo peggiora dove sbaglia: lì le risposte giuste scendono dall’84,5% al 70,6%. Più fiducia, meno controllo.
• La competenza più richiesta dalle imprese è il pensiero analitico, non l’AI (World Economic Forum).

Tre modi di far fare qualcosa a una macchina

La risposta è controllo e pensiero critico. Una macchina si istruisce in tre modi, le tre epoche del software (1.0, 2.0, 3.0), e in tutti e tre interveniamo due volte: prima diciamo cosa vogliamo, dopo controlliamo e firmiamo.

1. Dirglielo (moduli 1–7, R). Scriviamo noi le istruzioni, senza poter essere vaghi, e le proviamo su casi di cui conosciamo la risposta, soprattutto i casi limite. Ogni analisi che riceveremo sarà fatta di codice: chi non sa leggerlo può solo fidarsi.
2. Mostrarle degli esempi (moduli 8–10, R poi Python). La regola la trova la macchina, ma nei dati che le diamo, e i dati ingannano. La correlazione: petrolio consumato in Italia e divorzi in Texas scendono insieme per vent’anni, senza nessun legame. La media: in Burundi si viveva in media 50 anni, ma due bambini su cinque superavano i 70 (Hans Rosling, Factfulness). L’aggregazione: il divario salariale tra donne e uomini è 5,6%, 10,4% o 39,9% a seconda di cosa si conta, e sono tutti numeri veri. La domanda da fare sempre: su quali dati l’hai provata?
3. Chiederglielo (moduli 11–14, Python). Diamo una domanda e gli strumenti per rispondere, poi verifichiamo con i nostri. Un modello di linguaggio fa una cosa sola: prevede quale pezzo di testo viene dopo. Per questo la risposta sembra giusta anche quando è sbagliata. In aula lo proviamo chiedendo a un assistente la rata di un mutuo a tasso zero.

I linguaggi di programmazione

Quale linguaggio conviene imparare? Secondo l’indice PYPL, che misura quanto si cercano su Google i tutorial di ciascun linguaggio, a settembre 2026 Python vale da solo più di metà delle ricerche (52%) ed è in forte crescita dal 2025; R è intorno al 4%, in calo dopo il picco di inizio 2026. Nel corso li usiamo entrambi: R per imparare a scrivere le regole e a leggere i dati, Python per l’apprendimento automatico e i modelli di linguaggio.

Attenzione a non confondere il linguaggio con l’IDE (integrated development environment). Il linguaggio è il motore: R, Python. L’IDE è il cruscotto, il programma in cui scriviamo ed eseguiamo il codice: RStudio o Positron per R; Colab, Jupyter, VS Code, PyCharm, Spyder o Positron per Python. Oggi si aggiunge un cruscotto nuovo, gli agenti: Cursor, Google Antigravity, Claude Code, Codex non si limitano a suggerire, leggono il progetto, scrivono il codice, lo eseguono e correggono gli errori. Il linguaggio resta il motore, e il controllo resta a noi.

Ma il linguaggio di programmazione più usato dei prossimi anni sarà un altro: l’inglese (o l’italiano, se preferite). Con i modelli di linguaggio le istruzioni si danno in lingua naturale.

Tre epoche del software, un solo esempio

Lo stesso problema, lo studente ha preso 21, ha superato l’esame?, risolto in tre modi.

Nel Software 1.0 la regola la scriviamo noi:

voto <- 21
if (voto >= 18) {
  status <- "Promosso"
} else {
  status <- "Bocciato"
}

Nel Software 2.0 un modello guarda lo storico degli studenti e impara a prevedere l’esito. Nel Software 3.0 scriviamo la domanda in italiano, e il modello ragiona: in Italia i voti sono in trentesimi, la sufficienza è 18, 21 è più di 18, quindi l’esame è superato. In tutti e tre i casi la risposta va controllata: sono i tre blocchi del corso.

Le regole del corso

L’AI nel corso è ammessa e incoraggiata. Ogni risultato va controllato, ogni uso va dichiarato, ogni riga va spiegata. Delegare è comodo, e non è sbagliato. Ma non è gratis: il prezzo è capire come funziona.

Per iniziare installa R e RStudio seguendo le guide. I lab qui sotto sono i primi passi in R: variabili, calcoli e confronti.