Gli LLM sono erba gatta per i fondatori. Resta nella tua corsia.

Gli LLM sono come erba gatta per i fondatori: danno dipendenza, inebriano e sono un biglietto di sola andata per il paese delle illusioni. Non smetterò mai di incoraggiare le nuove tecnologie, né scoraggerò nessuno dallo sperimentare. Ma se le cose si fanno serie, forse invece di quell'abbonamento da 200 dollari di ChatGPT Pro, assumi un consulente. MIT NANDA ha studiato 300 implementazioni di IA aziendale nel 2025 e ha rilevato che il 95 % non ha prodotto alcun impatto misurabile. Il modello era raramente il problema. Il giudizio umano attorno ad esso sì.

4 min di lettura4 sezioni1 maggio 2026

Perché i fondatori si innamorano degli LLM

Poni una domanda all'LLM. Ti dà una risposta eloquente. Ti senti più intelligente. Poni un'altra domanda. Ti dà un'altra risposta eloquente. Ti senti ancora più intelligente.

Quaranta minuti dopo hai un piano strategico, un'architettura tecnica, una roadmap di prodotto e un posizionamento di marketing, tutti scritti da un'entità che non ha mai incontrato i tuoi clienti, mai visto i tuoi conti e non ha alcun interesse nei tuoi risultati.

L'LLM non ti sta mentendo. Fa ciò per cui è stato addestrato: produrre testo che combaci con lo schema di ciò che hai chiesto. I modelli moderni sono addestrati sul feedback umano (RLHF), e quell'addestramento ottimizza le risposte che le persone valutano bene, non quelle che sono vere. I ricercatori chiamano questo risultato adulazione (sycophancy), e uno studio del 2025 su Science l'ha riscontrato in tutti i 17 modelli testati, dove l'IA dava ragione agli utenti anche quando avevano palesemente torto. Il problema è che hai chiesto sicurezza e hai ottenuto sicurezza. Non hai chiesto verità scomode.

Dove questo diventa pericoloso

Quando i fondatori usano gli LLM per prendere decisioni invece che per generare opzioni.

Generare opzioni è l'uso giusto. Fare brainstorming di 20 nomi. Abbozzare una struttura. Redigere un'e-mail. Accelerare le parti noiose. In questo l'LLM è eccellente.

Prendere decisioni è l'uso sbagliato. Dovremmo fare pivot. Dovremmo assumere. Dovremmo raccogliere capitali. Dovremmo licenziare. Dovremmo puntare su questo mercato. L'LLM non ha alcun interesse nel risultato né contesto sulla tua situazione specifica. Lasciarlo decidere significa lasciare che un completamento automatico guidi la tua azienda.

La modalità di fallimento è subdola. Inizi a usare l'LLM per piccole decisioni. Ognuna sembra innocua. Dopo tre mesi, la tua roadmap è plasmata da ciò che l'LLM ha detto sulle tendenze di mercato in conversazioni a cui nessun altro ha partecipato. È esattamente ciò che MIT NANDA ha documentato nel suo rapporto State of AI in Business del 2025: attraverso 52 interviste a dirigenti e 300 implementazioni, il 95 % dei progetti pilota di IA generativa non ha prodotto alcun ritorno misurabile, e la causa non era quasi mai il modello. Era che nessuno aveva collegato l'output a un flusso di lavoro reale né lo aveva messo alla prova di un risultato reale.

Quando assumere una persona invece

Tre segnali ti dicono che è ora di assumere un consulente o uno specialista invece di chiedere all'LLM.

Primo: la decisione incide sul fatturato o sul runway. Tutto ciò che cambia in modo sostanziale la traiettoria finanziaria dell'azienda merita una persona che abbia qualcosa da perdere e la responsabilità della raccomandazione.

Secondo: la decisione è irreversibile. Assumere, licenziare, firmare contratti a lungo termine, scegliere uno stack tecnologico con cui convivrai per 5 anni. L'LLM produce una risposta sicura che può comunque essere sbagliata, e il tasso sale quanto più la domanda diventa difficile. Quando Vectara ha spostato il suo benchmark sulle allucinazioni a un insieme di articoli più impegnativo nel novembre 2025, i migliori modelli, tra cui GPT-5, Claude Sonnet 4.5 e Gemini 3 Pro, hanno tutti superato il 10 % nel riassunto basato su fonti, un compito in cui un tempo eccellevano. La reversibilità conta, perché la risposta si legge esattamente allo stesso modo, che sia giusta o sbagliata.

Terzo: la decisione richiede un contesto che l'LLM non ha. Le tue relazioni con i clienti. Le dinamiche del tuo team. Il tuo panorama competitivo. La tua capacità personale. L'LLM non ha nulla di tutto questo e produrrà una risposta generica che va bene per chiunque, il che significa che non va bene per nessuno.

La prospettiva di Pineido

In Pineido usiamo gli LLM ogni giorno. Sono moltiplicatori di produttività. Scrivono test, redigono documentazione, prototipano codice, generano analisi. Non funzioneremmo senza di loro.

Non lasciamo nemmeno che prendano decisioni. Ogni raccomandazione che diamo a un cliente è rivista da una persona che ha letto la situazione, ha parlato con il team e ha un interesse a che il risultato sia giusto. L'LLM è un assistente di ricerca, non un partner. È la stessa linea che il rapporto di MIT NANDA ha tracciato tra il 5 % dei progetti di IA che hanno funzionato e il 95 % che no: i vincitori hanno scelto un punto di dolore reale e lo hanno collegato a un flusso di lavoro vero, invece di lasciare che un chatbot improvvisasse la strategia.

Se gestisci un'azienda di servizi e chiedi consigli strategici a ChatGPT, fermati. Acquista invece una sessione con un consulente o uno specialista. ChatGPT Pro ora costa 200 dollari al mese nel livello più alto. Venti mesi di quello fanno un consulente da 4.000 dollari. Il consulente dice le verità scomode che l'LLM è troppo educato per dire, perché l'LLM è letteralmente addestrato a non dirle. Ricorda l'aprile 2025, quando OpenAI ha dovuto ritirare GPT-4o perché lodava le cattive idee con un po' troppo entusiasmo.

Non diventare un principino passeggero nella tua stessa auto. Resta nella tua corsia. Resta al sicuro. Occhi sulla strada e mani sul volante.

Spunti operativi ogni settimana

Unisciti ai responsabili di aziende di servizi che ricevono ogni settimana uno spunto concreto su operazioni, automazione e crescita.

Stiamo verificando che sia una persona. Potrà inviare tra un momento.

Niente spam. Disiscriviti quando vuoi.

Iscrizione completata! Cerca il prossimo numero nella tua casella di posta.

Pronto a rilasciare?

Dicci dove sei bloccato. Lo esaminiamo e ti inviamo una raccomandazione mirata entro un giorno lavorativo.

Domande frequenti

Stai dicendo che gli LLM sono dannosi?

No. Gli LLM sono eccellenti nel generare opzioni, scrivere prime bozze, riassumere documenti e accelerare il lavoro noioso. Sono pessimi nel decidere cosa conta in uno specifico contesto aziendale che non possono vedere, e sono addestrati a darti ragione invece di correggerti, motivo per cui uno studio di Science del 2025 ha riscontrato adulazione in ogni modello testato.

Come faccio a capire se sto usando male gli LLM?

Tre segni. Primo, li usi per decisioni strategiche invece che solo per il brainstorming. Secondo, applichi ciò che suggeriscono senza una revisione esterna. Terzo, la tua roadmap si è spostata in modi che il tuo team non riesce a ricondurre a una conversazione reale. MIT NANDA ha rilevato che il 95 % dei progetti pilota di IA aziendale fallisce per esattamente questo motivo: output che nessuno ha ancorato a un flusso di lavoro reale.

Quando dovrei assumere un consulente invece?

Quando la decisione incide sul fatturato o sul runway, quando è irreversibile o quando richiede un contesto che solo le persone possono avere. Il modello si legge altrettanto sicuro in entrambi i casi, e sulle domande difficili persino GPT-5 e Claude Sonnet 4.5 allucinano oltre il 10 % delle volte su compiti basati su fonti. Per tutto il resto, gli LLM vanno bene come assistenti di ricerca.

Come usa Pineido gli LLM?

Ogni giorno, per la produttività. Mai per formulare raccomandazioni ai clienti. Ogni raccomandazione è rivista da una persona che ha un interesse nel risultato, la stessa disciplina che ha separato il 5 % dei progetti di IA che hanno funzionato dal 95 % che no.

Scritto da

Kostadin Stamboliev

Fondatore e Imaginator

Fondatore e Imaginator di Pineido. Si occupa di consulenza IT, sviluppo di app e siti web, SEO tecnica, IA e automazione. Rilascia codice in produzione in sprint di 30 giorni con perimetro fisso e responsabilità chiare.

LinkedIn