Dai contenitori di informazioni ai sistemi di lavoro: come i prodotti AI passano dall'informazione alla produttività
Quando si progettano prodotti AI, la prima sfida che i product manager si trovano spesso ad affrontare non è un caso d'uso specifico, una capacità del modello o un pattern di interazione. È qualcosa di più fondamentale: l'oggetto stesso della progettazione è cambiato.
Nell'era di internet, i prodotti erano progettati attorno all'informazione. Il problema centrale da risolvere era come l'informazione dovesse essere prodotta, organizzata, distribuita e consumata. Di conseguenza, le forme di prodotto sono gradualmente confluite in diversi tipi di contenitori di informazioni.
Nell'era dell'AI, i prodotti hanno iniziato a incorporare direttamente capacità produttiva. La domanda non è più come l'informazione debba essere presentata, ma come la capacità produttiva dell'AI possa essere organizzata, richiamata e sostenuta nel tempo.
Una volta che cambia l'oggetto della progettazione, le ipotesi alla base delle metodologie di prodotto esistenti e dei modelli strutturali iniziano a venir meno.
Se dovessimo descrivere questo cambiamento con una semplice analogia:
I prodotti internet sono come i giornali, mentre i prodotti AI sono più simili agli uffici.
Questo riflette un cambiamento fondamentale nell'oggetto della progettazione, nella struttura del prodotto e nel ciclo del valore.
I prodotti internet sono progettati attorno all'informazione
Internet ha risolto un problema informativo: come l'informazione viene prodotta, organizzata, distribuita e consumata.
Di conseguenza, l'oggetto di progettazione dei prodotti internet è stato chiaro fin dall'inizio: l'informazione stessa.
La responsabilità principale di un product manager era progettare contenitori di informazioni adatti a contesti specifici:
dove vive l'informazione, come è strutturata e distribuita e come gli utenti la consumano in modo continuativo
Nel tempo, i contenitori di informazioni si sono evoluti attraverso diverse fasi ben definite:
| Fase | Forma | Caratteristiche principali |
|---|---|---|
| Fase 1: media fisici | Giornali / Riviste | Impaginazione e sezioni definiscono il modo in cui l'informazione è strutturata. Gli editor decidono che cosa conta e con quale risalto viene presentato. |
| Fase 2: distribuzione digitale | Pagine web / Feed | L'informazione si sposta online con aggiornamenti più rapidi e più punti di accesso, ma la logica di progettazione di base rimane centrata sulla presentazione e sulla visualizzazione. |
| Fase 3: curatela algoritmica | Sistemi di raccomandazione / Feed personalizzati | I prodotti non progettano più un singolo “giornale”, ma le regole per generarne uno. Ogni utente vede un layout diverso, modellato dagli algoritmi anziché dagli editor. |
In altre parole, progettare prodotti internet ha sempre significato progettare un giornale. Anche se la forma del giornale cambia, l'oggetto della progettazione rimane l'informazione e il paradigma progettuale continua a ruotare attorno ai contenitori di informazioni.
I prodotti AI sono progettati attorno alla produttività
L'emergere dell'AI non riguarda semplicemente la generazione di contenuti più velocemente. Introduce direttamente nei prodotti una forza produttiva richiamabile, capace di partecipare alla scomposizione dei compiti, alla scelta dei percorsi, all'esecuzione e alla verifica dei risultati.
In questa prospettiva, i product manager si trovano di fronte a una domanda radicalmente nuova:
Come si progetta un contenitore di lavoro in grado di ospitare, orchestrare e vincolare questa forza produttiva?
Questa è la differenza più essenziale tra i prodotti AI e i prodotti internet.
Allo stesso modo, anche i contenitori di lavoro hanno attraversato fasi di evoluzione:
| Fase | Forma | Modello di collaborazione | Caratteristiche principali |
|---|---|---|---|
| Fase 1: contenitori di lavoro fisici | Uffici | Umano ↔ Umano | Il lavoro dipende dallo spazio fisico e dalla divisione istituzionale del lavoro. Il contesto risiede principalmente nelle persone e nelle riunioni, rendendo l'esperienza difficile da accumulare o trasferire. |
| Fase 2: contenitori di lavoro digitali | Notion, Lark, Docs, ecc. | Umano ↔ Umano | Gli uffici si spostano online, risolvendo collaborazione, sincronizzazione e controllo degli accessi. La produttività continua a provenire dagli esseri umani, mentre i sistemi si concentrano sull'abilitare un coordinamento migliore. |
| Fase 3: contenitori di lavoro AI-native | Kuse, Cowork, ecc. | Umano ↔ AI | L'AI non è più un aiuto, ma una forza produttiva persistente all'interno del contenitore. Il focus del prodotto si sposta da “come gli esseri umani collaborano in modo efficiente” a “come la produttività dell'AI viene organizzata e resa operativa”. |
La vera linea di demarcazione non è se un prodotto "ha l'AI", ma se il suo contenitore è progettato per una produttività guidata dall'AI.
Per rispondere a quale tipo di contenitore possa davvero supportare la produttività dell'AI, dobbiamo capire come lavorano gli esseri umani, come lavora l'AI e come i due possano collaborare all'interno di una struttura condivisa.
Il file system come contenitore di lavoro condiviso per esseri umani e AI
Perché i file system si adattano al lavoro umano
Il lavoro umano non consiste nel produrre output una tantum. È un processo continuo che sposta qualcosa da uno stato storico verso uno stato obiettivo.
Ogni passo avanti avviene entro vincoli: il progresso verso un obiettivo comporta sempre un costo reale.
Perché i file system si adattano al lavoro umano
La struttura temporale e spaziale dello stato
Qualsiasi stato di lavoro esiste simultaneamente lungo due dimensioni.
Nel tempo, eredita dal passato, esiste nel presente e punta al passo successivo.
Nello spazio, agisce su oggetti concreti, con ambito, granularità e costo ben definiti.
Perché il lavoro proceda in modo continuo, gli stati devono poter essere espressi, consultati e operati in modo stabile.
I file come espressione minima dello stato
I file non si limitano a memorizzare contenuti. Esprimono uno stato.
- I documenti storici esprimono stati completati
- I file di lavoro attivi esprimono stati in corso
- I documenti di strategia o di obiettivo esprimono stati futuri desiderati
I file rendono gli stati visibili, ereditabili e operabili.
Le cartelle come contenitori per gestire e far avanzare lo stato
Le cartelle non servono solo per organizzare. Il loro ruolo principale è gestire il contesto completo di un'attività.
All'interno di una cartella, file storici, correnti e obiettivo coesistono, definendo collettivamente ambito, origine e passaggi successivi. Smettono di essere contenuti isolati e diventano uno stato di lavoro continuo.
Questo non significa che i file system siano l'unico modo per far avanzare il lavoro. Ma attraverso una pratica di lungo periodo, sono diventati una delle strutture più stabili e ampiamente adottate per organizzare e far progredire il lavoro fin dalla nascita dell'informatica.
Perché i file system si adattano anche al lavoro dell'AI
Una volta compresa la struttura del lavoro umano, la logica di funzionamento dell'AI rivela uno schema simile, ma più vincolato.
Come lavora l'AI: token e contesto
A un livello fondamentale, che si tratti di generare testo, scrivere codice o pianificare attività, i modelli fanno sempre la stessa cosa:
dato un contesto, prevedono il token successivo sulla base dei token esistenti.
Un "output" è essenzialmente una sequenza di token previsti.
Il fatto che l'output soddisfi o meno le aspettative dipende non solo da quanto è capace il modello, ma anche da quali token lo vincolano prima della generazione.
Questi token di contesto determinano tre fattori critici:
se l'obiettivo è chiaro, se la granularità è controllata e se l'ambito è ben definito.
Il vincolo strutturale del contesto: finestre monouso
Il contesto stesso ha una limitazione fondamentale. Non è uno spazio di lavoro persistente, ma una finestra di calcolo monouso.
Ciò significa che, prima di ogni inferenza, il sistema deve ricostruire un contesto appropriato per il modello.
Il vincolo economico del contesto: costo dei token
Il contesto è anche una risorsa che comporta un costo. Ogni token partecipa direttamente all'inferenza.
Più token significano costi di calcolo e latenza più elevati. Di conseguenza, la progettazione di prodotti AI non consiste nel fornire ai modelli più informazioni, ma nel costruire il contesto minimo sufficiente entro un budget limitato di token.
I file system come spazio di stato esterno per il contesto
Quando gli stati di lavoro vengono archiviati in modo stabile in un sistema esterno, il contesto non deve più essere caricato completamente in una sola volta.
Il sistema può recuperare, ridurre e combinare selettivamente lo stato rilevante per costruire un contesto appena sufficiente per l'attività corrente.
Il file system svolge questa funzione di spazio di stato esterno.
File e cartelle non sono pile di informazioni, ma rappresentazioni di stato accumulate e centrate su un lavoro concreto. Definiscono confini chiari degli oggetti, stabiliscono ambiti espliciti e consentono di leggere insieme stati storici e stati correnti.
Una struttura già dimostrata: i prodotti di coding
Questo vantaggio strutturale è già stato convalidato nei prodotti di coding.
Il software si evolve attraverso la manutenzione e la modifica continua di file di codice concreti. Ogni cambiamento viene riscritto nel file system e il lavoro successivo procede a partire da quegli stati.
L'AI dimostra una produttività continua e controllabile nella programmazione non perché sia intrinsecamente "più intelligente" in questo dominio, ma perché il codice esiste già all'interno di un file system altamente strutturato ed evolutivo.
Come i file system amplificano la produttività dell'AI
Guardando di nuovo alla natura del lavoro dell'AI, i file system non amplificano l'intelligenza. Amplificano la probabilità che gli output dell'AI soddisfino le aspettative e la probabilità che il lavoro possa progredire in modo continuo.
Per questa ragione, questo design non verrà "mangiato" da modelli più potenti.
I modelli diventano più forti. I file system garantiscono che questa forza si traduca in modo continuo, economico e affidabile nel posto giusto.
Quando esseri umani e AI collaborano nello stesso file system
Quando un file system soddisfa sia il bisogno umano di esprimere lo stato del lavoro sia i vincoli strutturali e di costo dell'AI per la costruzione del contesto, la collaborazione cambia in modo fondamentale.
Dai cicli di istruzioni ai passaggi di stato
La collaborazione non avviene più principalmente a livello di conversazione. Ruota attorno allo stato del lavoro stesso.
I file diventano oggetti di lavoro condivisi. Le cartelle definiscono confini condivisi.
Gli esseri umani regolano la direzione modificando i file di obiettivi e vincoli. L'AI porta avanti l'esecuzione sulla base dello stato esistente.
La collaborazione passa da un ping-pong di istruzioni a un passaggio di consegne basato sullo stato:
gli esseri umani giudicano e convalidano, l'AI esegue e fa avanzare il lavoro.
Da output una tantum a risorse di lavoro evolutive
Una volta che gli output dell'AI vengono scritti in modo stabile nel file system, la loro natura cambia.
Gli output non sono più contenuti usa e getta. Diventano stati di lavoro ereditabili, modificabili e riutilizzabili.
I file storici registrano il lavoro completato. I file attivi trasportano il progresso in corso. I file obiettivo indicano le destinazioni desiderate.
Il lavoro diventa una traiettoria continua anziché un insieme di risultati isolati.
Dallo slancio operativo al potenziale sistemico
All'interno di questa struttura, i sistemi iniziano a mostrare slancio e potenziale latente.
Il lavoro non dipende più da un intervento umano costante. Avanza sotto l'effetto di stati e vincoli già definiti.
Gli esseri umani definiscono gli obiettivi e gestiscono le eccezioni. L'AI esegue entro l'ambito. I file system accumulano processo e risorse.
Un “ufficio che si gestisce da solo” non emerge perché l'AI sostituisce gli esseri umani, ma perché il lavoro viene collocato all'interno di una struttura che sia gli esseri umani sia l'AI possono far avanzare insieme.
Conclusione
Dall'era di internet all'era dell'AI, il centro della progettazione di prodotto si sta spostando da come l'informazione viene presentata a come la produttività viene organizzata.
Quando il lavoro viene inteso come una progressione continua di stati, il cuore della progettazione di prodotto non sono più i punti di ingresso o le interazioni, ma se il sistema sia in grado di sostenere quella progressione.
Il file system non è una preferenza. Con gli attuali vincoli tecnici e di costo, è una decisione strutturale che rende praticabile la collaborazione tra esseri umani e AI.
Ciò che definisce non è un insieme di funzionalità, ma un giudizio progettuale sulla possibilità di assorbire l'AI nella produttività reale.