Quando prevedere non basta più: dall’intelligenza artificiale alle decisioni

Pubblicato il di

Festival della Scienza 2026 – Incontro con Marco Muselli

Genova, 26 ottobre 2026

Lunedì 26 ottobre, alle 18, ho partecipato a un nuovo incontro del Festival della Scienza, questa volta dedicato a un argomento che riguarda da vicino anche il nostro rapporto quotidiano con l’intelligenza artificiale: «Quando prevedere non basta più – Come la decision intelligence può venirci in aiuto».

A parlarne è stato Marco Muselli, ingegnere elettronico, per molti anni ricercatore del CNR e fondatore di Rulex, azienda specializzata nello sviluppo di sistemi di intelligenza artificiale e supporto alle decisioni.

La cornice era la Sala del Minor Consiglio di Palazzo Ducale, più raccolta rispetto alla monumentale Sala del Maggior Consiglio, ma altrettanto suggestiva, con i suoi dipinti, le decorazioni e un’atmosfera particolarmente adatta a un incontro culturale.

Prevedere è qualcosa che facciamo da sempre

Muselli ha iniziato da un’osservazione apparentemente semplice: prevedere non è un’attività riservata agli scienziati, ai meteorologi o ai computer.

Lo facciamo tutti, continuamente, fin dalla prima infanzia.

Un bambino che lascia cadere un oggetto dal seggiolone scopre che questo finisce a terra. Se ripete il gesto, sta verificando una relazione fra causa ed effetto. È un piccolo esperimento, anche se naturalmente lui non lo considera tale.

Crescendo, le nostre previsioni diventano più complesse: cerchiamo di immaginare come andrà un’interrogazione, quali conseguenze avrà una scelta o come evolverà una situazione.

Il problema è che non conosciamo mai tutte le variabili. Anche quando disponiamo di molti dati, qualcosa può sfuggirci.

Da questa considerazione il relatore ci ha accompagnati attraverso un interessante percorso storico: dalle antiche pratiche di divinazione, nate dal desiderio di conoscere e influenzare il futuro, fino a Galileo e al metodo scientifico.

Con una riflessione importante: una previsione, per quanto accurata, non è una certezza.

Dalla previsione alla spiegazione

Con lo sviluppo dell’intelligenza artificiale, i computer hanno acquisito capacità sempre maggiori di riconoscere regolarità nei dati e formulare previsioni.

Ma qui emerge un problema.

Alcuni modelli, soprattutto quelli basati su reti neurali complesse, funzionano come vere e proprie scatole nere: producono risultati anche molto accurati, senza che sia semplice comprendere il percorso che li ha generati.

Muselli ha proposto un esempio efficace. Se un medico ci comunicasse una diagnosi basandosi esclusivamente sulla risposta di una macchina, senza poter spiegare le ragioni di quella conclusione, probabilmente non ne saremmo soddisfatti.

Lo stesso potrebbe accadere con la concessione di un prestito o con altre decisioni che incidono sulla nostra vita.

Qui entra in gioco la cosiddetta Explainable AI, l’intelligenza artificiale spiegabile, che cerca di rendere comprensibili le ragioni alla base dei risultati.

È uno degli aspetti che considero più importanti: non dovrebbe bastarci sapere che cosa dice una macchina; soprattutto nelle situazioni delicate, dovremmo poter capire anche perché lo dice.

Ma sapere cosa accadrà non basta

Il passaggio centrale della conferenza è arrivato con una domanda: a cosa serve prevedere un risultato sfavorevole, se poi non sappiamo come intervenire?

Immaginiamo di conoscere in anticipo un possibile problema. Quello che ci interessa davvero non è soltanto sapere che potrebbe verificarsi, ma capire quali azioni possiamo intraprendere per evitarlo o limitarne le conseguenze.

È qui che entra in scena la Decision Intelligence, una disciplina che combina dati, modelli predittivi e tecniche di ottimizzazione per individuare possibili decisioni.

Muselli ha spiegato la differenza fra variabili che possiamo soltanto osservare e variabili sulle quali possiamo agire.

Se lanciamo una palla, per esempio, non possiamo decidere la forza del vento, ma possiamo modificare la direzione e l’intensità del lancio.

Individuare ciò che possiamo cambiare è il primo passo per scegliere come intervenire.

Dalla teoria alle applicazioni concrete

Il relatore ha illustrato alcune applicazioni in ambito medico, industriale e logistico.

Particolarmente interessante l’esempio conclusivo relativo alla gestione della rete idrica di Milano.

Attraverso un sistema basato su regole e modelli di previsione, è possibile suggerire come utilizzare gli impianti di pompaggio per soddisfare il fabbisogno idrico, riducendo al tempo stesso i consumi energetici.

È un esempio che rende concreta una materia altrimenti piuttosto astratta: l’intelligenza artificiale non serve soltanto a generare testi e immagini, ma può contribuire anche a gestire meglio infrastrutture e risorse.

La decisione finale resta umana

Fra i diversi aspetti affrontati, ce n’è uno che considero particolarmente significativo.

Muselli ha sottolineato che, nel sistema da lui presentato, la tecnologia suggerisce le decisioni, ma è la persona a scegliere se adottarle.

È un principio nel quale mi riconosco.

Gli strumenti informatici possono analizzare quantità enormi di dati, riconoscere schemi e proporre alternative. Ma rimane fondamentale la responsabilità di chi valuta quelle proposte, ne comprende i limiti e decide come agire.

L’obiettivo, almeno in questa prospettiva, non è sostituire il giudizio umano, ma metterlo nelle condizioni di operare con maggiori informazioni e consapevolezza.

Una conferenza raccontata anche attraverso i disegni

Durante l’incontro alcuni illustratori hanno lavorato a un grande cartellone, trasformando progressivamente i temi affrontati in vignette, parole e collegamenti.

È un’iniziativa che ho apprezzato particolarmente.

Nel cartellone si ritrovano il bambino che impara osservando il mondo, le antiche divinità chiamate a prevedere il futuro, Galileo, il ragionamento deduttivo e induttivo, le scatole nere dell’intelligenza artificiale e, naturalmente, la Decision Intelligence.

Una vera mappa visiva della conferenza, capace di raccontare anche con un pizzico di ironia argomenti non sempre semplici.

Una riflessione da portare a casa

Se dovessi scegliere tre idee da conservare di questo incontro, sarebbero queste.

Prevedere non basta, perché ciò che ci interessa è spesso la possibilità di cambiare un esito.

Capire come una macchina arriva a una conclusione è importante, soprattutto quando quella conclusione può influire sulla vita delle persone.

E, infine, la decisione e la responsabilità devono rimanere nelle mani dell’essere umano, anche quando ci affidiamo a strumenti tecnologici sempre più sofisticati.

Tre idee che mi sembrano un buon punto di partenza per riflettere su come vogliamo utilizzare l’intelligenza artificiale, oggi e negli anni a venire.

Per approfondire