La trappola del QI dell’IA: il punteggio alto non evita errori cari
Un modello di IA prepara in pochi secondi una risposta dal tono sicuro. Ma è corretta? È adatta a quel cliente? E chi se ne assume la responsabilità? Un nuovo confronto sul QI dell’IA prova a ricondurre le capacità dei modelli linguistici a una scala umana familiare. Il punteggio più alto si aggira intorno a 136. Sembra un verdetto. In realtà, è soprattutto l’occasione per porsi una domanda migliore: che cosa dovrebbero fare le persone mentre i modelli diventano sempre più capaci?
Un numero che sembra dire molto
Un punteggio come 136 si ricorda facilmente. Richiama le pagelle, i test attitudinali e le classifiche. Proprio per questo, prima di trarne conclusioni sul personale, sul servizio clienti o sul futuro del lavoro, vale la pena guardare meglio che cosa misura.
Il sito AI IQ stima i punteggi di oltre 50 modelli linguistici e li colloca su una curva a campana standardizzata. Per farlo aggrega dodici benchmark, cioè prove standardizzate di confronto delle prestazioni, in quattro ambiti: ragionamento astratto, matematico, di programmazione e accademico. Il punteggio complessivo è la media semplice dei quattro risultati. Per ottenere una stima, un modello deve avere risultati in almeno due ambiti.
A metà maggio 2026, GPT-5.5 è in testa ai modelli esaminati, con un punteggio stimato intorno a 136. GPT-5.4, Opus 4.7 e Gemini 3.1 Pro si collocano nello stesso confronto tra circa 131 e 132. Sono i risultati di una specifica valutazione, non la misura di un’intelligenza umana generale. Che cosa emerge, allora, quando un solo numero riassume quattro tipi di compiti molto diversi?
Il confronto sul QI ha i suoi punti ciechi
Un modello può risolvere correttamente una domanda d’esame complessa e sbagliare un compito quotidiano che sembra banale. Quando molti risultati confluiscono in un unico punteggio, queste differenze rischiano di sparire. I quattro ambiti dicono qualcosa sulle prestazioni in determinate condizioni di test, ma non indicano automaticamente quanto il modello sarà affidabile al telefono, in magazzino o davanti a un cliente irritato.
I critici richiamano l’attenzione proprio sulla distanza tra ottimi risultati nei benchmark e gli errori nei compiti concreti. VentureBeat cita l’affermazione secondo cui GPT-5.5 avrebbe raggiunto un tetto nei risultati di MMLU-Pro, pur fallendo spesso in ClockBench. Non è un giudizio generale sul modello. Mostra però perché una buona media non esclude ogni debolezza.
Anche il metodo merita attenzione: AI IQ elenca i dodici benchmark e mostra le curve di calibrazione, ma secondo VentureBeat non pubblica i dati grezzi né le formule matematiche esatte di conversione come dataset aperti. Per Lei, il punteggio può essere il punto di partenza di una conversazione. Non sostituisce una prova sui compiti che la sua azienda svolge davvero. Ed è proprio lì che la distanza tra impressione e risultato può costare cara.
I progressi non aspettano la revisione annuale
Forse aspetta un trimestre più tranquillo per occuparsi di IA. Il problema è che lo sviluppo non segue il calendario dei suoi progetti. La serie storica di AI IQ registra per i modelli di punta un aumento di circa 60 punti del QI stimato tra ottobre 2023 e metà 2026. È l’andamento di questa serie, non la promessa che il prossimo salto sarà altrettanto ampio.
Anche la capacità di calcolo cresce rapidamente. Epoch AI stima che la capacità di calcolo per l’IA venduta, misurata in equivalenti H100, aumenti di 3,3 volte all’anno. In pratica, raddoppia circa ogni sette mesi. Secondo la stessa stima, entro il quarto trimestre del 2025 i cinque maggiori produttori di chip avevano consegnato complessivamente circa 20 milioni di chip per l’IA. Questi numeri aiutano a capire perché i modelli abbiano a disposizione sempre più potenza di calcolo. Da soli, però, non dicono quale capacità migliorerà per prima.
Facciamo un esperimento mentale. Supponiamo che i modelli di punta raggiungano entro dicembre un valore paragonabile a un QI di 180-200 e, nel trimestre successivo, di circa 250. Non è una previsione, è un esercizio: se l’IA diventa molto più rapida e brava di quasi chiunque in molti compiti di ragionamento, il nostro valore si sposta. Meno sapere e calcolare, più buone domande, giudizio, responsabilità e fiducia.
Anche se questi numeri restano una traduzione approssimativa delle scale umane del QI in test per modelli, la domanda pratica per Lei non cambia: quali decisioni possono essere preparate più in fretta e quali devono restare alle persone?
Che cosa l’IA non può decidere al posto suo
Se una macchina propone una bozza migliore, la responsabilità del suo utilizzo resta alla sua organizzazione. Un commerciante può far valutare automaticamente una richiesta di rimborso. Ma decidere se un cliente storico merita un gesto di cortesia dopo un errore può dipendere da un rapporto che non emerge dai dati. Uno studio legale può smistare i documenti in anticipo. Resta da decidere quali incertezze spiegare al cliente.
Conta anche il gusto. Quale formulazione rispecchia la sua azienda? Quale offerta sembra equa? Quando un membro del team deve segnalare una situazione insolita invece di seguire la procedura standard? Non sono dettagli ornamentali. Determinano se una proposta rapida regge nella pratica.
McKinsey stima che le tecnologie attuali potrebbero automatizzare attività che rappresentano oltre la metà delle ore lavorate negli Stati Uniti. Secondo McKinsey, questo non significa che scomparirà una quota equivalente di posti di lavoro. Oltre il 70 per cento delle competenze richieste dai datori di lavoro sarebbe utile sia nelle attività automatizzabili sia in quelle non automatizzabili; un altro 12 per cento sarebbe per ora richiesto soltanto per attività umane. Ciò che serve nella sua azienda dipende anche da quanto bene le persone sanno lavorare con i nuovi strumenti.
Che cosa significa per la sua azienda
Non parta dalla domanda se l’IA sia più intelligente di una persona. Scelga un’attività concreta della settimana appena trascorsa. Magari l’e-mail per cui tre colleghi hanno discusso la risposta. Oppure la richiesta di appuntamento a cui si è risposto solo dopo l’orario di lavoro. Decida se in quel caso un modello può preparare una bozza, ordinare le informazioni o suggerire il passo successivo.
Poi serve un controllo chiaro. Chi verifica il contenuto? Quali errori sono tollerabili e quali no? In un riepilogo interno, una sfumatura sbagliata può essere fastidiosa. Una promessa contrattuale, una decisione sul personale o un’informazione medica richiedono criteri diversi. Metta per iscritto anche quando la pratica deve passare a una persona competente.
Un punto di partenza concreto per le prossime settimane:
• Scelga un’attività ricorrente dalle conseguenze contenute, senza iniziare subito dal processo più delicato. • Faccia provare ai collaboratori casi tipici ed eccezioni difficili con il modello. • Confronti i risultati con i propri criteri di qualità e registri gli errori. • Indichi una persona incaricata di aggiornare regole e controlli quando cambia il flusso di lavoro.
Le persone devono imparare più in fretta, non sapere tutto
Il nuovo lavoro spesso comincia con una capacità poco appariscente: descrivere il compito in modo che il modello possa dare una risposta utile. Se scrive soltanto «prepari un’e-mail per un cliente», potrebbe ricevere un testo fluido, ma privo del contesto decisivo. Se specifica obiettivo, precedenti e limiti, può valutare proposte migliori. Servono competenze professionali, ma anche la disponibilità a riformulare la domanda.
McKinsey indica tra le competenze necessarie per lavorare con l’IA la formulazione dei problemi, il controllo dei risultati, l’interpretazione delle risposte, la gestione delle eccezioni e la capacità di capire quando occorre passare il caso a una persona. Inoltre, in due anni gli annunci di lavoro con requisiti di competenza in IA sarebbero quasi aumentati di sette volte. Per un piccolo team non è obbligatorio organizzare un programma di formazione completo. Una riunione basata su esempi reali può mostrare dove i collaboratori si fidano troppo o, al contrario, non sperimentano abbastanza.
Immagini il prossimo lunedì: una collega controlla una bozza dell’IA non solo per la grammatica, ma anche per il contesto che manca. Un collaboratore segnala un’eccezione invece di lasciarla passare in silenzio. E il team sa chi prende la decisione finale. Per lavorare così non serve conoscere un punteggio di QI. Serve un metodo che regga anche quando il prossimo valore della curva sale ancora.
Domande frequenti
Che cosa significa un QI dell’IA di 136?
È una stima ottenuta da una specifica valutazione di modelli linguistici. AI IQ combina dodici benchmark in quattro ambiti e ne calcola la media. Il numero colloca i risultati dei test su una scala umana del QI, ma non misura un’intelligenza umana generale né indica direttamente quanto un modello sia affidabile nei compiti concreti della sua azienda.
Un’intelligenza artificiale può davvero avere un QI più alto di una persona?
Il QI dell’IA è un’analogia basata su compiti standardizzati, non una misurazione diretta come quella usata per una persona. I modelli possono ottenere ottimi risultati in alcuni test e sbagliare in altri. Un punteggio stimato più alto non significa quindi che un modello superi le persone nel giudizio, nella responsabilità o nell’esperienza quotidiana.
Quanto velocemente migliorano i modelli di IA?
Secondo la serie storica di AI IQ, tra ottobre 2023 e metà 2026 il punteggio stimato dei modelli di punta è salito di circa 60 punti. Il dato descrive quella specifica serie e non è una previsione per il futuro. Anche una maggiore capacità di calcolo non garantisce che tutte le abilità migliorino allo stesso ritmo.
Quali attività dovrebbero affidare le aziende all’intelligenza artificiale?
Cominci da un’attività ricorrente in cui le conseguenze di un errore siano contenute. Un modello può, per esempio, ordinare informazioni o preparare una bozza. Stabilisca chi controlla il risultato e quali casi vanno passati a una persona. Per le decisioni con conseguenze legali, finanziarie o personali servono responsabilità chiare e controlli adeguati.
Quali competenze servono ai collaboratori per lavorare con l’IA?
Sono importanti la capacità di formulare bene un problema, verificare i risultati, valutare l’incertezza e gestire le eccezioni. I collaboratori devono anche riconoscere quando una decisione va affidata a una persona competente. Non si imparano queste capacità solo con la teoria. Esercitarsi insieme su compiti reali dell’azienda aiuta a individuare le lacune.
Interessato?
Vuole sapere cosa significa per la Sua azienda?
Fonti
- AI IQ is here: a new site scores frontier AI models on the human IQ scale. The results are already dividing tech. · VentureBeat, 2026-05-13
- Global AI computing capacity is doubling every 7 months · epoch.ai, 2026-01-09
- What you need to know about AI chips · epoch.ai, 2026-07-14
- Human skills will matter more than ever in the age of AI · McKinsey & Company, 2026-01-06
Questo articolo è stato ricercato e scritto con il supporto dell’IA e verificato automaticamente sulle fonti citate prima della pubblicazione. Di più sulla nostra trasparenza IA
Klarframe AI Readiness Check
Quanto è pronta la Sua azienda per l’IA?
Circa dieci minuti, risultato immediato con il Suo livello, un piano di 90 giorni, soluzioni adatte e note sull’AI Act.
