Negli ultimi due anni l’intelligenza artificiale ha raggiunto traguardi che sembravano fantascienza. Modelli capaci di vincere medaglie d’oro alle Olimpiadi di matematica. Sistemi che risolvono problemi aperti rimasti irrisolti per decenni. Strumenti che scrivono, testano e correggono codice in autonomia.
Di fronte a questi risultati, è naturale chiedersi: se l’AI risolve problemi che gli esseri umani non riuscivano a risolvere, ha ancora senso parlare di problem solving creativo come competenza umana?
La risposta è sì. Ma per capire perché, bisogna distinguere due cose che vengono spesso confuse: risolvere un problema e formulare il problema giusto da risolvere.
Cosa sa fare davvero l’intelligenza artificiale
I risultati dell’AI nel problem solving sono reali e impressionanti. Sistemi come AlphaProof hanno raggiunto il livello dei migliori talenti umani in competizioni di altissimo livello, risolvendo dimostrazioni matematiche che richiedono ragionamento astratto avanzato. In ambito informatico, i modelli più recenti costruiscono algoritmi inediti sotto pressione temporale, in contesti competitivi che un tempo erano dominio esclusivo dei programmatori più talentuosi.
C’è però un elemento comune a tutti questi successi: si tratta sempre di problemi ben definiti. Hanno un obiettivo chiaro, regole note, e un criterio oggettivo per stabilire se la soluzione è corretta. È in questo terreno — strutturato, misurabile, a informazione completa — che l’AI è oggi straordinariamente efficace.
Il problema è che la maggior parte delle sfide reali, quelle che incontriamo nel lavoro e nella vita, non hanno questa forma.
Il vero collo di bottiglia: non la soluzione, ma la domanda
Chi lavora ogni giorno con team e organizzazioni lo vede con chiarezza: raramente il problema più difficile da risolvere è anche quello formulato meglio. Più spesso accade il contrario.
Un manager che dice “il team non comunica bene” sta quasi sempre descrivendo un sintomo, non il problema reale. Un imprenditore che cerca “una strategia di marketing più efficace” a volte sta cercando di risolvere con una tattica esterna una questione di posizionamento interno mai affrontata. L’AI, messa di fronte a queste richieste, farà esattamente quello che le viene chiesto: ottimizzerà la risposta alla domanda sbagliata.
Questo è il punto centrale, ed è anche il motivo per cui il rischio più grande dell’intelligenza artificiale applicata al problem solving non è dare risposte sbagliate — è dare risposte tecnicamente perfette a domande mal poste, con tutta l’autorevolezza di un output rapido e ben argomentato.
Riformulare correttamente un problema richiede qualcosa che nessun modello linguistico può fare al posto tuo: comprendere il contesto umano, i valori in gioco, le resistenze nascoste, le vere variabili in campo. È un lavoro di esplorazione, non di calcolo.
Perché il problem solving creativo è un processo, non un output
C’è una differenza sostanziale tra trovare una soluzione e trovare la propria soluzione — quella coerente con il contesto, le risorse e i valori di chi la dovrà applicare.
Il problem solving creativo, nella sua forma più autentica, non è la generazione rapida di alternative. È un processo di esplorazione che richiede tempo, tentativi, ipotesi scartate, intuizioni che arrivano quando meno te lo aspetti. L’AI può accelerare la fase di generazione delle opzioni. Ma la fase più delicata — capire quale opzione ha davvero senso per quella persona, in quel momento, con quei vincoli — resta un territorio profondamente umano.
Qui entra in gioco il valore specifico del coaching. Un coach non fornisce soluzioni: aiuta a vedere il problema da angolazioni che la persona, da sola, non riesce a raggiungere. Attraverso domande potenti, silenzi intenzionali e un ascolto che va oltre le parole, il coaching lavora esattamente sul punto cieco di ogni processo decisionale: la formulazione iniziale del problema.
Come integrare l’AI nel problem solving senza perdere profondità
Questo non significa rifiutare l’intelligenza artificiale nei processi decisionali — sarebbe un errore opposto e altrettanto costoso. Significa collocarla nel punto giusto del processo.
L’AI può essere estremamente utile per mappare velocemente le opzioni disponibili, analizzare grandi quantità di dati per individuare pattern non evidenti, simulare scenari diversi e stress-testare un’ipotesi già formulata, liberare tempo dalle fasi più meccaniche dell’analisi.
Il problema sorge quando si salta direttamente alla fase di soluzione, senza prima aver fatto il lavoro — spesso scomodo — di mettere in discussione la domanda di partenza. È qui che un percorso di coaching, individuale o di team, fa la differenza: crea lo spazio per fermarsi prima di correre verso la risposta.
La competenza che vale di più nell’era dell’AI
Se l’intelligenza artificiale continuerà a migliorare nella risoluzione di problemi ben definiti — ed è ragionevole aspettarsi che lo farà — la competenza che acquisirà sempre più valore non sarà saper rispondere velocemente. Sarà saper formulare la domanda giusta prima di chiedere una risposta.
È una competenza che si allena. Non con un corso, ma con la pratica costante della riflessione guidata — quella che il coaching professionale offre da sempre, oggi più rilevante che mai.
In un mondo che produce risposte sempre più rapide, il vantaggio competitivo reale appartiene a chi sa ancora fermarsi a porsi la domanda giusta.
A cura di: Redazione
Photo cover credits: Adobe Stock
