Idea principale

Tenere uno strato di conoscenza neutro tra le fonti e i documenti è sempre stato possibile: prendere note pulite, conservare le fonti, scrivere sintesi. Ciò che mancava non era la materia, era il rendimento. Una volta costituito lo strato, produrre ogni output restava un lavoro manuale intero — quindi lo strato aggiungeva un costo senza ridurre quello successivo.

Ciò che cambia è la ricomposizione: a partire da una materia ben organizzata, una stessa conoscenza può essere declinata in versione lunga, breve, commerciale, tecnica, prudente o divulgativa senza essere riscritta a mano ogni volta.

Il costo dello strato non è diminuito. È aumentato ciò che permette dopo.

La ricomposizione è solo la prima delle operazioni sbloccate. Uno strato ben tenuto diventa interrogabile: chiedere gli angoli ciechi, confrontare opzioni, collegare interviste tra loro, individuare ricorrenze, produrre una query per verificare un comportamento nei dati, avvicinare un problema del cliente alle funzionalità esistenti e assenti. Il guadagno non è più solo scrivere più in fretta, è ottenere domande che non si sarebbero poste.

Contributo di «Il backlog non è una discarica: è uno strumento d'azione» (2026-06-03).

Perché è importante

Questo riformula una scelta che si credeva chiusa. Molte organizzazioni hanno rinunciato a capitalizzare la propria conoscenza dopo aver constatato che non rendeva nulla — e quella constatazione era giusta all'epoca in cui è stata fatta.

Dice anche cosa bisogna dare a un'IA per ottenere una ricomposizione corretta: non l'ultimo documento inviato, non una conversazione, non un PDF finale, ma le fonti, le note, le decisioni, i limiti e ciò che resta incerto.

Sfumature e limiti

La redditività dipende interamente dall'organizzazione della materia. Uno strato tenuto male non diventa ricomponibile perché un'IA lo legge — diventa soltanto ricomponibile di traverso.

E il guadagno riguarda la produzione degli output, non la costituzione dello strato, che resta un lavoro umano di giudizio.

Contributo di «Wiki IA: perché ho costruito una base di conoscenza mantenuta da un'IA» (2026-05-25). La restrizione precedente si allenta, senza sparire. Su una conoscenza di dominio stabile — norme, regolamentazione, vocabolario della manutenzione industriale — anche la costituzione dello strato si automatizza: la macchina legge le fonti, scrive le note, aggiorna quelle che esistono. Novecentocinquanta note tratte da una dozzina di opere non sono state scritte a mano da nessuno. Ciò che resta umano si sposta allora di un gradino, senza ridursi a nulla: decidere quale dominio vi si presta, regolare le regole d'ingestione, e validare ciò che ne esce — tre lavori di giudizio, che però non sono più redazione.

Contributo di «Ho cercato cosa avevo davvero inventato in «Contexte»» (2026-09-21). Lo strato stesso non ha aspettato l'IA, e una ricerca di anteriorità lo mostra. L'Experience Factory di Victor Basili separa fin dagli anni Ottanta l'organizzazione di progetto dal dispositivo che recupera la sua esperienza, la analizza, la sintetizza in unità riutilizzabili e la restituisce ai progetti successivi — il Software Engineering Laboratory della NASA ne era un esempio operativo già nel 1992. Knowledge-Centered Service va oltre rifiutando il processo separato: la conoscenza si cerca, si riutilizza, si migliora e si cattura nel flusso stesso della risoluzione, ciò che il Consortium for Service Innovation riassume con «reuse is review». Ciò che cambia con l'IA non è quindi l'idea dello strato, né quella di appoggiarlo al lavoro corrente: è il prezzo del suo mantenimento.

Domande aperte

• A partire da quanti output attesi lo strato diventa redditizio, e si può calcolare in anticipo?