Il Bizona Effect
Visto che ai Mondiali non gioca l’Italia, seguire il torneo richiede un certo spirito di adattamento. Le partite sono a orari improbabili, il coinvolgimento emotivo è relativo, e a un certo punto uno deve pur trovare un modo per occupare il tempo.
Per esempio: chiedere all’intelligenza artificiale di costruire la formazione più forte di sempre.
Pelé centravanti o falso nove? Maradona numero 10? Messi largo a destra? Cristiano Ronaldo titolare o lusso da panchina? Bellingham sulla trequarti o mezzala totale? Una squadra di soli fuoriclasse prenderebbe sessantatré gol dalla seconda più forte perché troppo sbilanciata?
È il tipo di conversazione che in Italia potremmo portare avanti per settimane. Siamo pur sempre una nazione di commissari tecnici.
Così, tra prompt, contro-prompt, obiezioni, revisioni, all star storiche, moduli impossibili e discussioni da bar dello sport aumentate dall’IA, a un certo punto è comparso uno schema:
4-3-4
La mia reazione è stata immediata:
Che, giochiamo in dodici?
E lì è scattato il déjà-vu.
Quella strada era già stata percorsa. Molto prima dei modelli linguistici, molto prima dei prompt, molto prima che qualcuno pensasse di chiedere a una macchina se fosse meglio Pelé centravanti o Maradona trequartista.
L’aveva percorsa Oronzo Canà.
Nel suo caso lo schema era il leggendario 5-5-5. E la risposta, giustamente, era più o meno la stessa:
Che, giochiamo in quindici?
La cosa interessante è che l’intelligenza artificiale non aveva prodotto una sequenza casuale.
Aveva riconosciuto un pattern: tre numeri separati da trattini. Lo aveva usato quasi sempre in modo corretto, pescando da una famiglia di forme molto frequenti nel linguaggio del calcio: 4-4-2, 4-3-3, 3-5-2, 3-4-3.
Poi, a un certo punto, ha proposto un modulo che rispettava la forma ma non la regola fondante.
Perché negli schemi calcistici quei numeri non indicano tutti i giocatori in campo. Indicano solo i giocatori di movimento. Il portiere è sottinteso.
Quindi la somma deve dare dieci.
Il 4-3-4 suona come uno schema. Ha l’aspetto di uno schema. Appartiene alla famiglia linguistica degli schemi.
Ma non può essere uno schema valido.
Da qui nasce il sospetto che esista una piccola deviazione tipica dell’intelligenza artificiale: la capacità di produrre risposte che suonano plausibili, ma non validano i principi fondamentali della materia di cui stanno parlando.
Ecco quindi il Bizona Effect.
Il calcio, però, è solo l’esempio più visibile.
La stessa cosa può succedere con una citazione, una data, una procedura, una tabella, un calcolo, un pezzo di codice o una decisione aziendale.
Una citazione può avere il tono giusto, l’autore giusto, il tema giusto e una collocazione bibliografica plausibile. Ma se quella frase non esiste, o se il libro a cui viene attribuita non la contiene, la forma non basta.
Una cronologia può sembrare ordinata e poi contenere due eventi incompatibili tra loro.
Una procedura può essere divisa in passaggi chiari, numerati, rassicuranti, ma includere due istruzioni che partono da regole incoerenti.
Un business plan può avere ipotesi ben presentate e conti apparentemente coerenti, ma costruirsi sopra margini, costi o tempi non verificati.
In tutti questi casi il problema non è che la risposta sia confusa.
Spesso è il contrario. La risposta è fluida, ordinata, leggibile. Sembra appartenere alla categoria giusta.
Sembra una citazione.
Sembra una cronologia.
Sembra una procedura.
Sembra un piano.
Ma non è detto che sia stata validata.
Questo è il punto centrale: un modello linguistico genera testo prima di validare ciò che sta generando. O, più precisamente, non dobbiamo dare per scontato che la validazione avvenga prima della generazione.
Durante l’addestramento, un LLM osserva enormi quantità di testi e impara a riconoscere regolarità. Impara come si presenta una formazione calcistica, come si struttura una bibliografia, come si argomenta una spiegazione, come si organizza una risposta tecnica, come si scrive una procedura.
Quando risponde, produce una continuazione plausibile del testo che ha davanti.
Questa capacità è potentissima, perché gran parte della nostra conoscenza passa proprio attraverso forme linguistiche riconoscibili. Ma riconoscere una forma non significa automaticamente verificarne i vincoli.
Il modello può costruire una risposta lunga e coerente partendo da una premessa non controllata.
E una volta imboccata quella direzione, il testo tende a svilupparsi in modo ordinato. Ogni frase può risultare coerente con quella precedente. Ogni passaggio può sembrare naturale. Ogni spiegazione può rafforzare l’impressione che il discorso stia in piedi.
Il problema è che sta in piedi dentro il linguaggio.
Non necessariamente nel mondo.
Nel caso del 4-3-4, la premessa non validata è semplice: lo schema sembra possibile perché ha la forma di uno schema. Ma il vincolo del dominio dice che i numeri devono sommare dieci.
In altri casi la premessa non validata è meno evidente.
Può essere una fonte inesistente. Una data sbagliata. Una regola applicata fuori contesto. Una categoria usata in modo improprio. Un’ipotesi economica non verificata. Una dipendenza software che non esiste più. Una norma superata. Un dosaggio incompatibile.
Il Bizona Effect diventa quindi più insidioso quando non abbiamo la competenza per accorgercene subito.
Con il 4-3-4 basta conoscere la regola: gli schemi calcistici escludono il portiere.
Con una citazione, bisogna controllare la fonte.
Con una questione legale, bisogna sapere quale norma si applica e in quale momento.
Con il codice, bisogna eseguire o almeno verificare l’ambiente.
Con un piano operativo, bisogna controllare che tempi, risorse e dipendenze siano compatibili.
Più il dominio è specialistico, più aumenta la quantità di vincoli che noi diamo per scontati e che il modello può non trattare come vincoli da verificare.
Il Bizona Effect sembra un errore leggero finché resta dentro una conversazione sui Mondiali.
Fa sorridere perché il vincolo è evidente: si gioca in undici, il portiere è fuori dallo schema, i numeri devono sommare dieci. Appena qualcuno lo fa notare, tutto si sistema.
Ma non tutti i domini sono così semplici.
Ci sono casi in cui i vincoli non si vedono subito. Non sono una somma. Non sono una regola che tutti conoscono. Sono incorporati nella pratica di una professione, in una responsabilità, in una procedura, in una firma.
Il Bizona Effect diventa più insidioso quando i vincoli non sono facili da contare.
Se chiediamo a un modello di progettare qualcosa di unico — una cupola come quella di Brunelleschi, un ponte in un contesto estremo, una macchina costruita per condizioni irripetibili — la risposta potrà sembrare competente. Userà il lessico giusto, citerà soluzioni note, organizzerà i passaggi in modo ordinato, sembrerà ragionare come un progettista.
Ma un progetto non è una descrizione ben scritta.
Un progetto nasce da vincoli concreti: materiali disponibili, geometrie già date, carichi, tempi, strumenti, maestranze, costi, errori tollerabili, condizioni ambientali, responsabilità.
Nel caso della cupola di Brunelleschi, non basta nominare la doppia calotta, la muratura a spina di pesce o l’assenza di centine tradizionali. Quelli sono elementi con cui oggi raccontiamo una soluzione già avvenuta. Per progettare davvero bisognerebbe ripartire dal problema prima che la soluzione esistesse: il tamburo già costruito, le dimensioni fuori scala, il peso dei materiali, il cantiere, il rischio statico, le tecniche disponibili in quel momento.
Un modello linguistico può ricostruire molto bene il racconto della soluzione.
Non è detto che abbia validato i fondamenti del problema.
E qui il Bizona Effect diventa più sottile: i contenuti possono perfino essere corretti, ma la loro correttezza può essere un caso. Possono essere corretti perché ricorrono nei testi che descrivono quella soluzione, non perché il modello abbia attraversato i vincoli che l’hanno resa necessaria.
Per orientarsi, questo può bastare.
Per progettare, no.
Quando firmi un progetto, non ti basta sapere che il risultato sembra giusto. Vuoi sapere come ci è arrivato. Vuoi controlli, verifiche, calcoli, vincoli esplicitati, passaggi ricostruibili.
Pretendi validazione.
Perché un risultato giusto raggiunto per caso non è una soluzione affidabile. È una coincidenza fortunata.
Lo stesso vale in tutti i contesti in cui l’errore non resta una curiosità.
Se una risposta serve a orientarsi, una sintesi plausibile può essere utile.
Se serve a decidere, progettare, pubblicare, diagnosticare, firmare o assumersi una responsabilità, la plausibilità non basta più.
Bisogna sapere se i fondamenti sono stati controllati.
Ed è qui che il Bizona Effect smette di essere solo una battuta sul calcio.
Diventa una domanda sul rapporto tra forma, correttezza e responsabilità.
Una risposta può essere elegante, ordinata e persino giusta. Ma se non sappiamo se è stata validata, non sappiamo ancora quanto possiamo fidarci.
Per questo non basta chiedere all’AI di “dare una risposta”.
Bisogna dirle che cosa deve controllare.
Nel caso della formazione, non basta chiedere:
costruisci la squadra più forte di sempre
Bisogna aggiungere:
verifica che il modulo sia valido, che i numeri indichino dieci giocatori di movimento e che il portiere sia considerato a parte.
In altri contesti, l’equivalente è chiedere di verificare date, fonti, calcoli, compatibilità, vincoli normativi, dipendenze, premesse e casi limite.
Non perché il modello non possa farlo.
Ma perché non sempre lo fa spontaneamente prima di generare.
Il Bizona Effect, in fondo, serve a ricordare questo: ciò che sembra giusto non è necessariamente stato verificato.
Uno schema può sembrare uno schema.
Una citazione può sembrare una citazione.
Una spiegazione può sembrare una spiegazione.
Un ragionamento può sembrare un ragionamento.
Ma tra sembrare e funzionare c’è uno spazio in cui l’intelligenza artificiale può perdersi con grande eleganza.
Oronzo Canà lo faceva per far ridere.
Gli LLM lo fanno perché generano linguaggio.
E noi dobbiamo imparare a contare i giocatori prima di mandare la squadra in campo.
Un ringraziamento ad Alessio Mandato per lo spunto.
