L'AI Ti Rende Stupido o Intelligente: Dipende da Te

Quando Mo Gawdat ricevette la sua prima calcolatrice scientifica all'università, fece un esperimento involontario sulla natura umana.

La maggior parte dei suoi compagni prese il 50% di tempo risparmiato sui calcoli è lo uso per uscire dall'aula. Finire prima, andarsene prima, sedersi con la fidanzata. La calcolatrice era diventata uno strumento per fare meno.

Gawdat prese quel 50% e rifece la soluzione due volte. "Most of my friends would take that 50% extra, finish their exams and go out and sit with their girlfriends. I would take the 50% extra and do the solution twice."

Stessa calcolatrice. Stesso tempo risparmiato. Due risultati completamente diversi. Se pensi che questa storia parli del 1988, ripensaci. Parla di te, adesso, con Claude aperto in un tab.

Chi è Mo Gawdat e perché dovresti ascoltarlo

Non è un influencer che ha letto due paper su arXiv. Mo Gawdat ha passato oltre un decennio in Google, gli ultimi cinque come Chief Business Officer di Google X — il laboratorio moonshot dove nascevano self-driving car, Project Loon, Google Glass. Ha scritto "Scary Smart" nel 2021, quando parlare di rischi AI ti faceva passare per catastrofista. Il suo prossimo libro, "Alive" (in uscita a ottobre 2026), ha un co-autore: un'AI chiamata Trixie.

Quando parla di come l'AI cambia il lavoro, lo fa da dentro. Non da un palco TED — dal tavolo di chi ha costruito queste cose.

6 settimane vs 4 anni

Il dato che dovrebbe far riflettere qualsiasi founder e sviluppatore e questo.

Gawdat ha lanciato Emma — una startup AI per le relazioni — a febbraio 2026. Il team? Due-tre ingegneri umani e otto agenti AI. Il tempo di sviluppo? Sei settimane.

"My AI startup took me 6 weeks to build. If I had started in 2022, it would have taken me four years."

Quattro anni. Trecento cinquanta ingegneri. Contro sei settimane è un team che sta in una stanza. Non è un'iperbole per effetto scenico — è il confronto tra il costo reale di sviluppo pre-AI e post-AI per un prodotto dello stesso livello di complessità.

La frase che segue è quella che conta di più: "Everyone now has a chance."

Tutti ora hanno una chance. Non solo chi ha raccolto un Series A da venti milioni. Non solo chi ha accesso a un pool di senior engineer nella Bay Area. Chiunque abbia un'idea, disciplina è la capacità di orchestrare agenti AI può costruire qualcosa di reale in settimane.

Questo è il dato ottimista. Quello pessimista viene subito dopo.

La scacchiera e finita, ora si gioca a squash

Se il costo di costruire crolla, la competizione esplode. È il tipo di competizione cambia radicalmente.

"The skill of an entrepreneur in the past was the ability to foresee something in the future that no one else saw. That's a game of chess. That chess board is over. It's off the table. This has turned into squash."

Scacchi: pianifichi, prevedi, esegui in sei mesi. Squash: la palla ti arriva addosso e devi reagire in millisecondi. Non sai dove andrà il prossimo colpo. Puoi solo essere pronto a muoverti.

Gawdat non lo dice in teoria. Lo ha vissuto: "We pivoted four times in the first four weeks." Quattro pivot in quattro settimane. Non per indecisione — per velocità di apprendimento. Quando costruire costa quasi zero, testare un'ipotesi è questione di giorni, non di quarter.

Per chi sviluppa, questo significa una cosa precisa: il piano tecnico a sei mesi è morto. L'architettura rigida è un debito prima ancora di essere scritta. La capacità di buttare via codice funzionante e ripartire — senza attaccamento, senza ego — è diventata una competenza di sopravvivenza. E se l'industria del software era già fragile prima, la velocità del cambiamento la mette sotto pressione ancora maggiore.

Il dato che nessuno vuole sentire: -73% assunzioni junior

Mentre Gawdat celebra la democratizzazione, il mercato racconta un'altra storia. Il Ravio Tech Job Market Report ha registrato un calo del 73% nelle assunzioni entry-level nel 2025.

Settantatre percento. Non un aggiustamento. Un crollo strutturale.

Se otto agenti AI sostituiscono trecento cinquanta ingegneri nel caso di Emma, la matematica per le posizioni junior è brutale. Non serve un economista: quando il costo marginale di produrre codice tende a zero, il valore di chi produce codice senza esperienza aggiuntiva tende nella stessa direzione.

Gawdat è esplicito: "I think education is over. Completely over." Non l'università in senso lato — il modello di educazione che ti insegna competenze statiche per un mondo che cambia ogni sei settimane.

La domanda non è se questo trend continuerà. È come ti posizioni rispetto a questo trend.

80 punti QI in prestito

Ecco dove la metafora della calcolatrice torna prepotente.

"AI is going to make you dumb if you outsource your problem solving to AI. AI is going to make you the smartest you've ever been if you take the parts that are not natural to the human brain."

Due scenari. Stesso strumento. La differenza è cosa gli chiedi di fare.

Gawdat stima di prendere in prestito 80 punti QI dai suoi agenti AI. "I am borrowing maybe 80 IQ points from my AIs." Non perché l'AI pensi al posto suo — perché gli restituisce capacità cognitive che il cervello umano gestisce male: analisi di grandi volumi di dati, verifica incrociata, ricerca esaustiva, calcolo probabilistico.

Il cervello umano eccelle in creativita, intuizione, connessioni inaspettate, giudizio morale. L'AI eccelle in tutto cio che e sistematico, ripetitivo, esaustivo. Se usi l'AI per sostituire il tuo pensiero, perdi il muscolo. Se la usi per estendere le tue capacità naturali, diventi una versione potenziata di te stesso.

Chi ha letto l'articolo sul paradosso del vibe coding riconoscerà il pattern: outsourcing del problem solving uguale atrofia delle competenze. Ma qui Gawdat aggiunge la seconda meta della storia — quella costruttiva.

Il prompt migliore non è "cosa ne pensi"

C'e un dettaglio pratico nell'intervista che vale più di mille framework teorici.

"I don't go to the AI and say 'What do you think of this?' I go and say 'I'm thinking of this. Find me everything for and against.'"

La differenza è enorme. "Cosa ne pensi" delega il giudizio. "Trovami tutto pro e contro" mantiene il giudizio su di te e usa l'AI per quello in cui eccelle: ricerca esaustiva, analisi sistematica, raccolta di evidenze.

Gawdat non usa un solo modello. Passa da Gemini a DeepSeek a ChatGPT e ritorno, cross-referencing le risposte. Tratta gli AI come un team di analisti, non come un oracolo. E quando le risposte divergono, quello è il punto più interessante — il punto dove il suo giudizio umano deve intervenire.

Per chi sviluppa, la traduzione è immediata. Non chiedere all'AI di progettare l'architettura. Chiedile di analizzare tre alternative architetturali con pro, contro e trade-off per il tuo caso specifico. Poi decidi tu. Il pensiero critico non è opzionale — è il punto. Lavorare più veloce senza pensare è la ricetta per il burnout, non per la produttività.

Le 4 skill per non diventare obsoleti

Gawdat elenca quattro competenze. Non sono vaghe — sono un framework operativo.

"Number one, learn the skills. Number two, learn agility. Number three, ethics. Number four, stop being gullible."

1. Padronanza degli strumenti AI. Non "saper usare ChatGPT". Capire come funzionano i modelli, cosa possono e non possono fare, come orchestrare più agenti, come validare l'output. È la differenza tra chi usa la calcolatrice per uscire prima e chi la usa per rifare la soluzione due volte.

2. Agilita. Quattro pivot in quattro settimane. La capacità di cambiare direzione senza costi emotivi, di buttare via codice funzionante, di abbracciare l'incertezza come stato normale. In un mondo squash, la rigidità è morte.

3. Etica. "Intelligence is a force with no polarity. AI is not good and it's not evil." L'intelligenza è una forza senza polarita. Il 70% dell'economia USA è consumo — se l'AI elimina posti di lavoro senza creare alternative, la domanda crolla è il sistema si blocca. Non è filosofia — è macroeconomia. Chi costruisce con l'AI ha la responsabilità di pensare alle conseguenze.

4. Pensiero critico. Smettere di essere creduloni. Non fidarsi della prima risposta dell'AI, non fidarsi dell'ultimo thread virale, non fidarsi delle proprie assunzioni. Verificare. Cross-referenziare. Pensare.

Se le prime due sono skill tecniche, le ultime due sono skill umane. E sono le più difficili da automatizzare.

L'università e finita? Forse non come pensi

La provocazione di Gawdat sull'educazione merita una nota.

"I think education is over. Completely over."

Non sta dicendo che imparare è inutile. Sta dicendo che il modello — quattro anni chiuso in un'aula a imparare competenze che saranno obsolete al momento della laurea — non ha più senso quando il ciclo di obsolescenza è sceso a mesi.

Per gli sviluppatori, questo è già realtà. Nessuno impara React una volta e poi e a posto per dieci anni. Ma il punto di Gawdat è più radicale: non è solo il contenuto che cambia — è il formato. Se puoi avere un tutor personalizzato 24/7 che si adatta al tuo ritmo, perché pagheresti per sederti in un'aula con altri duecento studenti a seguire lo stesso ritmo?

La risposta onesta e: per il network, per la credenziale, per la struttura. Ma queste sono ragioni sociali, non educative. E se il mercato smette di richiedere la credenziale — cosa che sta già succedendo con il -73% di posizioni entry-level — il castello di carte vacilla.

Cosa significa per chi sviluppa

Gawdat ha descritto due futuri. Entrambi usano gli stessi strumenti. La differenza è tutta nella persona che li usa.

Futuro A: usi l'AI per fare meno. Copi il codice che genera senza capirlo. Accetti la prima risposta. Deleghi il pensiero. Risparmi tempo è lo usi per scrollare. Tra due anni le tue competenze si sono atrofizzate è il mercato non ha più bisogno di te — non perché l'AI è cattiva, ma perché hai smesso di crescere.

Futuro B: usi l'AI per fare di più. Ogni ora risparmiata la reinvesti in comprensione. Chiedi "trovami tutto pro e contro" invece di "dimmi cosa fare". Cross-referenzi tra modelli diversi. Mantieni il giudizio. Costruisci in sei settimane cio che prima richiedeva quattro anni. Pivoteresti domani se i dati lo suggeriscono.

Non è un discorso motivazionale. È un calcolo freddo. Se il costo di produzione del codice tende a zero, il valore si sposta interamente sul giudizio, sulla capacità di validare, sulla visione. Queste non sono cose che l'AI fa bene — sono cose che il cervello umano fa in modo unico.

Tre azioni concrete:

1. La prossima volta che l'AI ti dà una risposta, non accettarla. Chiedi il contrario. Chiedi i rischi. Chiedi cosa potrebbe andare storto. Usa l'AI come avvocato del diavolo, non come oracolo.
2. Investi il tempo risparmiato in profondità, non in volume. Se l'AI ti fa risparmiare due ore al giorno, non riempirle con altri task. Usale per capire davvero il problema, per leggere il codice generato riga per riga, per studiare l'architettura. Rifai la soluzione due volte.
3. Impara a pivotare. Costruisci con l'aspettativa di buttare via. Se il tuo codice è troppo rigido per cambiare direzione in una settimana, non è un asset — è un vincolo.

La calcolatrice è la stessa per tutti. La differenza è cosa fai con il tempo che ti libera.

Fonti:

1. Mo Gawdat — Intervista con Marina Mogilko, Silicon Valley Girl (aprile 2026)
2. Ravio Tech Job Market Report 2025 — Entry-Level Hiring Decline
3. Bureau of Economic Analysis — Consumer Spending Share of GDP
4. Mo Gawdat — "Scary Smart" (2021), Pan Macmillan
5. Mo Gawdat — "Alive" con Trixie AI (2026)