Con l’AI non vai in vacanza. Vai a caccia.
Tempo di lettura: 3 minuti
Era il mattino di Ferragosto. Io e la mia collega stavamo passeggiando in spiaggia prima che il sole diventasse implacabile. Parlavamo di AI, di mercati, di come stia cambiando il modo in cui le aziende generano valore. A un certo punto è emersa una domanda che non mi ha più lasciato: quando il costo di produrre un output creativo crolla verso lo zero, cosa cambia nel modo in cui cerchi il tuo mercato?
Quella domanda è diventata questo articolo. Il Golden Circle di Sinek mi è tornato in mente come mappa utile per leggere il cambiamento, non come oggetto di nostalgia.
Tre epoche, tre logiche diverse
Per capire cosa sta succedendo oggi conviene fare non un passo indietro, ma tre.
All’inizio del Novecento il mercato era quello che Kim e Mauborgne avrebbero chiamato un oceano blu immenso: domanda insoddisfatta, bisogni primari irrisolti, tecnologie nuove che per la prima volta consentivano la produzione su scala industriale [1]. Il sito istituzionale di Ford Motor Company documenta che nei primi anni Venti più della metà delle automobili immatricolate nel mondo erano Ford, con oltre 15 milioni di Model T prodotte e vendute [2]. Henry Ford non aveva iniziato chiedendosi perché esistesse: aveva capito che poteva costruire un’automobile accessibile, l’aveva prodotta e il mercato l’aveva assorbita. La logica era quella del what first: c’era tanto oceano e poche navi, e bastava costruire qualcosa che funzionasse.
Poi è arrivata l’abbondanza. Nella seconda metà del Novecento, nei mercati occidentali maturi, i bisogni primari erano in larga parte soddisfatti. Hilton (2008), in uno studio storico pubblicato su Transactions of the Royal Historical Society, descrive come in questo periodo il significato della società dei consumi sia cambiato radicalmente, con una progressiva prioritizzazione della scelta e dell’identità rispetto alla funzione [3]. Le aziende si sono trovate davanti a una domanda nuova: come continui a vendere quando il cliente ha già quello che gli serve? La risposta è stata il branding identitario, il purpose, la narrativa emotiva. Sinek ha formalizzato questo shift con il Golden Circle: parti dal why, scendi verso il how, arriva al what. La logica giusta per il problema giusto, nel momento giusto.
Ma vale ancora oggi?
Cosa cambia con l’AI: il costo del tentativo
Siamo nel 2026. Il mercato globale del content creation AI ha superato i 14,8 miliardi di dollari e cresce al 32,5% annuo [4]. Il 72% dei marketer usa già AI per creare contenuti social, contro il 44% dell’anno precedente [5]. McKinsey stima che la GenAI possa aggiungere tra i 2,6 e i 4,4 trilioni di dollari annui all’economia globale, con impatti concentrati nei servizi ad alta intensità di conoscenza: marketing, design, formazione, consulenza [6].
Il dato strutturale che cambia tutto non è la quantità: è il costo marginale. Produrre un contenuto, un prototipo di servizio, un concept di prodotto intangibile non richiede più mesi di sviluppo e budget significativi. Richiede un prompt ben formulato e qualche ora di iterazione. Quando il costo del tentativo crolla, la strategia ottimale non è più pianificare a lungo e sbagliare una volta sola. È esplorare molto, a basso costo, e convergere quando i segnali di mercato ti dicono che hai trovato qualcosa di vero.
Questo processo ha un nome accademico preciso. Si chiama effectuation, ed è stato descritto da Saras Sarasvathy, professoressa alla Darden School of Business, in un paper del 2001 che ha ridefinito il modo in cui la ricerca studia l’imprenditorialità esperta [7]. Sarasvathy ha intervistato 27 imprenditori seriali e ha scoperto che il loro processo decisionale era sistematicamente diverso da quello che i libri di management insegnavano. I manager ordinari ragionano per causation: definisci l’obiettivo, pianifica le risorse, esegui. Gli imprenditori esperti ragionano per effectuation: parti dai mezzi che hai, interagisci con l’ambiente, lascia che gli obiettivi emergano dall’interazione. Il principio chiave si chiama Bird in Hand: usa ciò che hai in mano, osserva dove si accende la risposta, risali da lì verso il why.
L’AI generativa è il Bird in Hand definitivo per chiunque lavori con prodotti e servizi intangibili. Non aspetti di capire il why per iniziare: usi la capacità generativa disponibile per produrre what, osservi le risposte del mercato, e costruisci il why quando l’evidenza ti dice che hai trovato qualcosa di reale.
E qui torna utile il Golden Circle di Sinek, non come prescrizione ma come mappa di lettura. Non è che il why non conti più: è che il momento in cui lo costruisci può essere ribaltato. La gerarchia rimane la stessa, il why resta il livello più profondo e più potente, ma la sequenza con cui ci arrivi può partire dall’altro capo.
Il rischio che non puoi ignorare
Fin qui tutto lineare. Ma c’è un punto che non posso ignorare, e che anzi rende il ragionamento più interessante.
Nel 1971 Herbert Simon scriveva: “A wealth of information creates a poverty of attention” [8]. L’AI abbatte il costo di produzione, ma non abbatte il costo di attenzione. Anzi, lo aumenta: se chiunque può generare contenuti in quantità industriale, il mercato non si espande proporzionalmente, si satura di offerta. L’Edelman Trust Barometer 2025 è esplicito: i consumatori che si fidano pienamente di un brand sono significativamente più propensi ad acquistare, restare fedeli e raccomandarlo, e quella fiducia è correlata alla percezione di autenticità [9]. Tradotto: puoi moltiplicare i tentativi quanto vuoi, ma senza un why credibile costruito attorno a ciò che hai trovato, la competizione di prezzo è l’unico campo che ti rimane.
C’è anche un secondo rischio: il survivor bias. Vediamo i prodotti nati da processi iterativi che hanno trovato mercato e costruiamo attorno a loro una narrativa di genio esplorativo. Non vediamo, per definizione, le varianti che non hanno trovato risposta. La ricerca sull’innovation policy mostra che le decisioni basate sui soli casi di successo sistematicamente sovrastimano l’efficacia dell’esplorazione non guidata [10].
Più tentativi non significa automaticamente più successi. Significa più dati, se sai cosa stai cercando.
Andare a caccia, non in vacanza
Torniamo alla domanda di Ferragosto. Cosa cambia nel modo in cui cerchi il tuo mercato quando il costo del tentativo crolla?
Cambia la direzione del processo. Il modello deduttivo di Sinek, quello che parte dal why e scende verso il what, funziona straordinariamente bene quando il why è autentico e differenziante. Il problema è che, secondo la ricerca di Kaplan e Norton citata da Harvard Business School, il 95% dei dipendenti non comprende la strategia della propria azienda [11]: nella realtà operativa, il why viene spesso dichiarato ma raramente vissuto. Nella mia esperienza diretta, spesso il why non viene nemmeno formalizzato: viene dato per scontato, incorporato nella storia familiare dell’impresa, nella reputazione territoriale, nel rapporto personale con il cliente. È un patrimonio reale, ma diventa un limite quando il mercato cambia più velocemente di quanto la storia familiare possa aggiornarsi.
L’AI introduce la possibilità di un processo inverso: induttivo. Parti dall’esplorazione del what, osservi dove si accende la risposta di mercato, e da quella risposta risali verso il why. Come sintetizzano Sarasvathy con la teoria della effectuation [7], Ries con il Lean Startup e Christensen con la Jobs to Be Done Theory [12], in contesti di incertezza radicale l’obiettivo non si pianifica: si scopre attraverso l’interazione con il mercato. L’AI rende questo processo economicamente accessibile anche per i prodotti intangibili, dove prima il costo di iterazione era proibitivo.
Il tempo che l’AI ti restituisce non è tempo libero. È munizione. La domanda è se la stai usando per sparare a caso o per trovare il bersaglio giusto.
Nota sulla collaborazione
Questo articolo è il frutto di una collaborazione tra l’autore e Claude, il modello di intelligenza artificiale sviluppato da Anthropic. L’intuizione di partenza, il filo narrativo, le revisioni successive e le scelte editoriali finali sono dell’autore. Claude ha contribuito alla ricerca delle fonti accademiche, alla verifica delle affermazioni, alla strutturazione dell’argomentazione e alla stesura dei testi, operando in un dialogo iterativo in cui ogni passaggio è stato discusso, sfidato e approvato esplicitamente.
Questa nota non è una formula di stile. È coerente con il tema dell’articolo stesso: usare l’AI non significa delegare il pensiero, significa moltiplicare la capacità di esplorare, verificare e costruire. Il why resta umano. Gli strumenti per trovarlo, oggi, possono essere altri.
Riferimenti
[1] Kim, W.C., Mauborgne, R. Blue Ocean Strategy. Harvard Business School Press, 2005. Gli autori hanno analizzato le mosse strategiche di aziende in oltre 30 industrie in un periodo compreso tra il 1880 e il 2000.
[2] Ford Motor Company. The Ford Model T. Disponibile su: https://corporate.ford.com/articles/history/the-model-t/
[3] Hilton, M. The Death of a Consumer Society. Transactions of the Royal Historical Society, Cambridge University Press, 2008.
[4] Grand View Research. Generative AI in Content Creation Market Report, 2025-2030. Disponibile su: https://www.grandviewresearch.com/industry-analysis/generative-ai-content-creation-market-report
[5] HubSpot. State of Marketing Report 2025. Dato citato in: AI Business Weekly, AI Content Creation Statistics 2026: Adoption and ROI Data. Disponibile su: https://aibusinessweekly.net/p/ai-content-creation-statistics
[6] McKinsey Global Institute. The State of AI: Global Survey 2025. Disponibile su: https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
[7] Sarasvathy, S.D. Causation and Effectuation: Toward a Theoretical Shift from Economic Inevitability to Entrepreneurial Contingency. Academy of Management Review, 2001. Disponibile su: https://www.jstor.org/stable/259121
[8] Simon, H.A. Designing Organizations for an Information-Rich World. In: Greenberger, M. (ed.), Computers, Communications, and the Public Interest. Johns Hopkins Press, 1971.
[9] Edelman. 2025 Trust Barometer Special Report: Brand Trust. Disponibile su: https://www.edelman.com/trust/2025/trust-barometer/special-report-brands
[10] CanInnovate. The Impact of Survivorship Bias on Innovation Policy. Disponibile su: https://www.caninnovate.ca/p/the-impact-of-survivorship-bias-on-innovation-policy
[11] Kaplan, R.S., Norton, D.P. The Office of Strategy Management. Harvard Business Review, October 2005. Citato in: Harvard Business School Online, Tips for Successful Strategy Formulation. Disponibile su: https://online.hbs.edu/blog/post/strategy-formulation
[12] Christensen, C.M. Competing Against Luck: The Story of Innovation and Customer Choice. Harper Business, 2016.
