Power and Prediction affronta l’intelligenza artificiale da una prospettiva economica e organizzativa. Ajay Agrawal, Joshua Gans e Avi Goldfarb non si concentrano sui singoli strumenti, ma su una domanda più importante per imprenditori e manager: che cosa accade quando l’AI modifica il modo in cui un’azienda prende le decisioni?
La tesi del libro è netta: inserire una tecnologia predittiva in un processo esistente può produrre qualche miglioramento, ma il valore più rilevante emerge quando l’organizzazione ripensa l’intero sistema. Questo significa intervenire su attività, responsabilità, flussi informativi, metriche e rapporti di potere, non limitarsi ad automatizzare un passaggio.
Il volume è disponibile anche in italiano con il titolo Potere e previsione. L’economia dirompente dell’intelligenza artificiale, pubblicato da FrancoAngeli nel 2024 e tradotto da Pierluigi Micalizzi. I dati bibliografici riportati sopra e il collegamento Amazon in fondo alla scheda si riferiscono invece all’edizione originale inglese.
Il punto di partenza degli autori è che molta dell’intelligenza artificiale contemporanea può essere interpretata come una tecnologia capace di ridurre il costo della previsione. Prevedere, in questo contesto, non significa soltanto anticipare il futuro: significa anche stimare una variabile sconosciuta usando i dati disponibili.
Una decisione, però, non dipende solo dalla qualità della previsione. Richiede anche giudizio: bisogna stabilire quale risultato perseguire, quali rischi accettare, come valutare gli errori e chi debba assumersi la responsabilità finale. L’AI può spostare il confine tra attività umane e attività automatizzate, ma non elimina queste scelte.
È una distinzione particolarmente utile per le PMI. Prima di adottare una soluzione occorre chiarire quale decisione dovrebbe migliorare, quali informazioni le servono e dove resta necessario un controllo umano. È lo stesso principio alla base della scelta del primo processo aziendale da automatizzare con l’intelligenza artificiale.
Uno dei contributi più interessanti del libro è la distinzione tra interventi puntuali e trasformazioni sistemiche. Nel primo caso l’AI rende più veloce o meno costosa un’attività già esistente. Nel secondo cambia le relazioni tra più attività e può rendere superflue regole nate per gestire la scarsità di informazioni.
Gli autori utilizzano il precedente dell’elettrificazione: sostituire una fonte di energia senza ridisegnare la fabbrica produsse inizialmente vantaggi limitati. I guadagni maggiori arrivarono quando spazi, macchinari e organizzazione del lavoro furono ripensati intorno alla nuova tecnologia.
Il parallelo aiuta a leggere molti progetti attuali. Aggiungere un assistente AI a un flusso inefficiente può accelerare una singola attività senza risolvere il problema complessivo. Una vera trasformazione richiede invece di analizzare dipendenze, eccezioni, autorizzazioni e cicli di feedback. È una prospettiva complementare a quella proposta nella guida sull’automazione AI dei processi nelle PMI.
Quando una tecnologia cambia chi possiede le informazioni o formula le previsioni, cambia anche chi può influenzare le decisioni. Per questo l’adozione dell’AI non è soltanto un progetto tecnico. Può trasferire autonomia tra reparti, modificare il ruolo dei manager, rafforzare chi controlla i dati e mettere in discussione procedure consolidate.
Il libro invita quindi a osservare anche gli incentivi e le resistenze. Un processo apparentemente irrazionale potrebbe sopravvivere perché tutela responsabilità, budget o posizioni organizzative. Ripensarlo significa affrontare conseguenze che una semplice valutazione delle prestazioni del software non riesce a rappresentare.
Il volume aiuta a superare l’approccio basato sulla ricerca dello strumento del momento. La domanda non è “quale applicazione AI acquistare?”, ma “quale decisione vogliamo migliorare e quali parti dell’organizzazione devono cambiare perché ciò avvenga?”.
Per un imprenditore, un responsabile marketing o chi guida l’innovazione, il libro offre soprattutto un linguaggio con cui discutere di processi e strategia. Può servire per capire se un progetto sta semplicemente riducendo i tempi di esecuzione oppure sta creando un vantaggio più difficile da replicare. Sotto questo aspetto dialoga bene con Competing in the Age of AI, che approfondisce il rapporto tra algoritmi, reti e modelli operativi.
Le valutazioni pubbliche apprezzano soprattutto la chiarezza con cui gli autori separano previsione e giudizio e spiegano la differenza tra un’applicazione puntuale e un cambiamento sistemico. Viene considerata utile anche la prospettiva manageriale: il testo resta accessibile senza trasformarsi in un manuale tecnico sugli algoritmi.
Tra gli aspetti positivi ricorre inoltre la capacità di mostrare perché tecnologie già funzionanti possano generare inizialmente risultati economici modesti. Le organizzazioni hanno bisogno di tempo per modificare procedure, responsabilità e infrastrutture, e le resistenze non sono necessariamente dovute a una scarsa qualità della tecnologia.
Il principale limite è anche una conseguenza dell’impostazione scelta: il libro spiega bene perché occorra riprogettare i sistemi, ma offre meno indicazioni operative su come gestire concretamente questa trasformazione in aziende con risorse limitate, software legacy e conflitti interni.
Alcuni lettori rilevano inoltre una certa ripetitività rispetto a Prediction Machines, il precedente volume degli stessi autori. Gli esempi rendono comprensibile il modello, ma non sempre costituiscono analisi empiriche approfondite.
Infine, l’edizione originale è stata pubblicata poco prima della diffusione pubblica di ChatGPT. Di conseguenza dedica meno spazio all’AI generativa, alla produzione di contenuti e ai nuovi assistenti conversazionali rispetto a quanto farebbe probabilmente un testo scritto oggi. Il quadro strategico rimane comunque applicabile: anche un modello generativo crea valore duraturo quando viene inserito in decisioni e processi progettati con obiettivi, controlli e responsabilità espliciti.
Power and Prediction è indicato per imprenditori, manager, responsabili dell’innovazione e professionisti che devono valutare investimenti nell’intelligenza artificiale. È meno adatto a chi cerca tutorial, prompt pronti all’uso o istruzioni su software specifici.
Il suo valore è soprattutto strategico: aiuta a decidere dove l’AI possa incidere davvero prima di scegliere con quale tecnologia implementarla.
Vuoi approfondire il modello proposto dagli autori?