Chi lavora in agenzia conosce questa scena. La presentazione è dietro l’angolo, le idee sono sul tavolo, il team deve scegliere. E qualcuno dice: «Chiediamo all’AI qualche altra opzione, non si sa mai».
Sembra una mossa prudente. Uno studio pubblicato pochi giorni fa suggerisce che è esattamente il contrario.
L’esperimento
Il paper si intitola Too Late to Prune: Generative AI, the Screen, and Team Creative Decisions, di Difang Huang, Shumin Yu, Fadong Chen e Weihua Zhou (arXiv, 10 ottobre 2026).
I ricercatori hanno coinvolto 148 team di tre persone in un compito di product design diviso in due fasi a tempo: prima la ricerca delle idee, poi la selezione. Tutti hanno avuto a disposizione lo stesso modello linguistico per gli stessi 15 minuti; cambiava solo quando. L’esperimento era preregistrato, cioè ipotesi e metodo erano stati dichiarati prima di raccogliere i dati.
I risultati, in breve:
- Spostare quei 15 minuti dalla fase di ricerca alla fase di selezione ha abbassato la creatività dei progetti, valutata da esperti, di 0,62 deviazioni standard. Una differenza netta, a parità di uso: i team interrogavano il modello più o meno con la stessa frequenza.
- Usata presto, l’AI ha moltiplicato per cinque il bacino di idee, e i team lo hanno poi sfoltito scegliendo le migliori.
- Usata tardi, ha fatto un’altra cosa. I team arrivavano al momento della scelta con poche idee, come chi l’AI non l’aveva mai avuta, e a quel punto ricominciavano a cercare: il 29% delle loro richieste nella fase di selezione serviva a generare opzioni nuove, contro l’11% dei team che avevano l’AI dall’inizio. Hanno consegnato il 73% di proposte in più rispetto ai team senza AI. Più proposte, non proposte migliori.
E c’è un dettaglio che mi ha colpito più di tutti: anche i progetti sono stati fatti valutare da altri modelli linguistici. I giudici artificiali hanno riconosciuto il vantaggio di avere l’AI, ma non il danno di usarla al momento sbagliato. Gli esperti umani sì.
Perché succede
Il titolo del paper usa una metafora da giardiniere: prune, potare. In ogni processo creativo ci sono due lavori diversi. Il primo è aprire: cercare, esplorare, moltiplicare le possibilità. Il secondo è chiudere: confrontare, scartare, scegliere. Nei progetti li chiamiamo fase divergente e fase convergente, e il guaio comincia quando si mescolano.
L’AI generativa rende le opzioni quasi gratuite. Il collo di bottiglia, quindi, non è più trovare le idee: è sceglierle. Se l’AI arriva mentre si sta ancora cercando, le sue idee entrano in competizione con quelle del team e passano dallo stesso setaccio. Se arriva quando si dovrebbe scegliere, le idee nuove saltano il setaccio: arrivano dopo, fresche, e nessuno ha più il tempo di metterle davvero a confronto con le altre. Il risultato è un ventaglio più largo e una decisione più debole.
È quello che succede, con o senza AI, ogni volta che una riunione di selezione si trasforma in un nuovo brainstorming.
Quattro spunti, tra ricerca ed esperienza
Leggendo lo studio mi è venuto naturale incrociarlo con la mia esperienza di lavoro con i team creativi. Da qui qualche riflessione.
1. Lasciare che l’AI allarghi il campo, quando si esplora. Nella fase di ricerca è un acceleratore straordinario: in pochi minuti porta spunti, varianti e punti di vista che a un team richiederebbero ore. È lì che dà il meglio, quando le sue idee possono entrare in gara con le nostre e passare dallo stesso setaccio.
2. Usarla per mettere alla prova le idee, quando si sceglie. Nella fase di scelta il suo ruolo cambia: può aiutarci a sfidare le idee che abbiamo messo sul tavolo. Le si può chiedere di verificare ogni proposta rispetto al brief e agli obiettivi, di fare l’avvocato del diavolo, di cercare i punti deboli, di anticipare le obiezioni del cliente. Un interlocutore scomodo, e proprio per questo utile.
3. Capire quando è arrivato il momento di scegliere. È uno dei passaggi più delicati, sia per il team sia per chi lo guida. Scegliere fa un po’ paura: all’orizzonte si intravede sempre un’idea in più, che sembra più interessante, più promettente. Quel momento va riconosciuto, e poi protetto. Si raccolgono le opzioni e ci si concentra sul confronto. Questo non vuol dire chiudersi al miglioramento continuo: va semplicemente fatto in modo trasparente e consapevole. Se proprio allora arriva un’idea nuova che sembra migliore, non la si fa entrare a gamba tesa, sull’onda dell’entusiasmo. Conviene imparare a chiedersi: vale davvero la pena rimettere tutto in discussione? Le opzioni che abbiamo sono davvero più deboli? Avremo il tempo di esplorarla e validarla come abbiamo fatto con le altre? Se la risposta è sì, si riapre la ricerca, e lo si dice a tutti. Se è no, si torna a scegliere.
4. Non far giudicare all’AI un lavoro fatto con l’AI. Se i modelli non vedono il costo di un processo sbagliato, la valutazione finale deve restare a persone che conoscono il contesto, il cliente e il problema.
Dietro tutte e quattro c’è la stessa idea: l’AI non è uno strumento da aggiungere al lavoro così com’è, ma da armonizzare con il modo in cui un team esplora, sceglie e decide. Se il processo non è chiaro, l’AI rischia di produrre molti contenuti e poco valore.
Ed è per questo che il processo qualcuno lo deve disegnare: decidere quando entra uno strumento, proteggere il momento della scelta, dire «adesso basta opzioni» quando serve. È il lavoro di chi guida un team, che si chiami project manager, direttore creativo o facilitatore.
Le cautele
Per correttezza, i limiti dello studio.
- È un preprint: non è ancora passato dalla revisione di altri ricercatori.
- È un esperimento controllato, con un compito di product design breve e tempi stretti. Un progetto vero dura settimane, coinvolge clienti, budget e persone che cambiano idea.
- È un singolo studio. Il risultato è solido nel suo perimetro e coerente con quello che sappiamo sul pensiero divergente e convergente, ma non è una legge.
Detto questo, conferma una cosa che vedo nei team da molto prima che arrivasse l’AI: le idee migliori non nascono semplicemente dall’avere più opzioni, ma dal saper scegliere quelle giuste. Al momento giusto.
La ricerca
Difang Huang, Shumin Yu, Fadong Chen, Weihua Zhou, Too Late to Prune: Generative AI, the Screen, and Team Creative Decisions, preprint, 10 ottobre 2026.
Pagina su arXiv · PDF
Per approfondire
- Metodo e fantasia: come si risolve un problema, sulla differenza tra fase divergente e convergente.
- Gare creative e presentazioni, su come si organizza il lavoro creativo quando il tempo stringe.