Quando ho iniziato a lavorare a Grandi Numeri, Grandi Impatti, l’intelligenza artificiale era già parte integrante del progetto. Mi consentiva di esplorare una quantità di materiale che sarebbe stato difficile gestire da solo, confrontare fonti, individuare ordini di grandezza, mettere in relazione dati provenienti da ambiti diversi e costruire rapidamente una prima struttura del testo. Con il tempo, però, è diventato sempre più evidente che il vero problema non era soltanto trovare più informazioni o scrivere più velocemente, ma costruire un processo capace di distinguere con chiarezza tra ciò che era stato trovato, ciò che era stato verificato, ciò che meritava davvero di entrare nel capitolo e il modo migliore per raccontarlo.
Nelle prime fasi del progetto ricerca e scrittura erano molto più vicine. Il materiale raccolto tendeva a trasformarsi presto in prosa, e la verifica interveniva soprattutto durante le revisioni successive. Era un approccio utile per superare la pagina bianca e dare rapidamente forma a un argomento, ma presentava un limite importante: una volta che una spiegazione era stata costruita in modo convincente, diventava più difficile separare la qualità narrativa dalla solidità dei dati sui quali quella narrazione si appoggiava. Una stima poteva essere plausibile ma riferirsi a un perimetro diverso, due numeri potevano sembrare confrontabili pur usando definizioni differenti, oppure una fonte autorevole poteva non sostenere esattamente l’affermazione che il testo le attribuiva. La fluidità della prosa rischiava quindi di arrivare prima della verifica.
Da qui è nata l’evoluzione della metodologia attuale, che separa molto più nettamente ricerca, controllo delle informazioni, progettazione narrativa, scrittura e revisione. L’obiettivo non è rendere il processo più complicato per principio, ma spostare i controlli nei punti in cui sono più utili, così che il capitolo possa essere allo stesso tempo più rigoroso nei contenuti e più scorrevole nella lettura.
La ricerca viene separata dalla scrittura
Oggi ogni capitolo comincia dalla definizione del perimetro. Prima di cercare dati, decido quali domande deve affrontare, quali aspetti appartengono invece ad altri capitoli, quali sovrapposizioni devono essere evitate e quali ordini di grandezza possono davvero aiutare il lettore a capire il fenomeno. Questo passaggio serve a impedire che il capitolo diventi un contenitore di informazioni interessanti ma prive di una funzione precisa.
Una volta stabiliti questi confini, la ricerca approfondita viene svolta con OpenClaw, che esplora le fonti e prepara un dossier strutturato. Il suo compito non è scrivere il capitolo, ma costruire la base documentale sulla quale il capitolo potrà essere progettato. Nel dossier vengono raccolti i dati potenzialmente rilevanti, le fonti effettivamente consultate, gli anni e i territori di riferimento, le definizioni utilizzate, le eventuali divergenze tra stime e le lacune ancora aperte. In questo modo la ricerca produce prima di tutto materiale verificabile, non una storia già confezionata.
Il dossier passa quindi a ChatGPT Work, che lo legge integralmente, confronta i dati, controlla unità, denominatori, date e definizioni, individua duplicazioni e separa le informazioni solide da quelle troppo fragili o ridondanti. Questo passaggio è fondamentale perché consente di decidere quali dati siano effettivamente utilizzabili prima che vengano inseriti in una narrazione. Se due fonti descrivono grandezze simili ma non direttamente confrontabili, il problema viene affrontato qui; se una stima è interessante ma metodologicamente debole, viene esclusa oppure accompagnata dalle cautele necessarie.
La narrativa viene progettata prima della prosa
Solo dopo il consolidamento del dossier si passa alla costruzione del brief narrativo. ChatGPT Work prepara una prima proposta che definisce la domanda centrale del capitolo, la tesi, il percorso logico, l’ordine delle sezioni, i dati che devono sostenere ciascun passaggio, gli esempi principali e il tipo di conclusione verso cui il testo dovrebbe arrivare.
Anche questa proposta, però, non viene considerata definitiva. Il dossier e il brief vengono sottoposti a Gemini, che svolge una funzione critica: cerca eventuali lacune, squilibri, sovrapposizioni, passaggi deboli o esempi che non sostengono davvero il filo del capitolo. ChatGPT Work valuta queste osservazioni, verifica quelle che richiedono un controllo fattuale e rielabora la struttura quando i rilievi sono fondati. Il brief narrativo nasce quindi da un confronto tra i due strumenti, non dall’output di uno solo.
A questo punto intervengo io. Le decisioni editoriali restano infatti sotto la mia responsabilità: stabilisco se il perimetro è corretto, valuto le alternative narrative, decido quali osservazioni accettare, quali dati meritano spazio e quali invece devono essere esclusi, e approvo l’architettura del capitolo prima che inizi la stesura. L’intelligenza artificiale mi offre capacità di ricerca, confronto e revisione molto più ampie, ma non decide autonomamente quale libro sto cercando di costruire.
La scrittura arriva soltanto dopo
Quando il dossier è stato consolidato e il brief narrativo è stato concordato, ChatGPT Work scrive la bozza completa. Anche in questa fase esistono vincoli precisi: il testo deve attenersi ai dati, alle fonti, alle cautele e alle esclusioni già stabilite, senza introdurre liberamente nuovi numeri soltanto perché sembrano rendere il racconto più interessante.
La prima revisione viene poi separata in due controlli distinti. Il controllo narrativo verifica la progressione del ragionamento, le transizioni, il ritmo, la chiarezza, il valore didattico e la capacità della conclusione di rispondere davvero alla domanda iniziale. Il controllo fattuale torna invece su numeri, fonti, unità, denominatori, calcoli, date e coerenza con gli altri capitoli. Separare questi due piani aiuta a evitare due rischi opposti: avere un testo molto corretto ma pesante, oppure una prosa molto fluida che abbia perso per strada una cautela importante.
Una revisione indipendente prima della mia lettura
Quando la bozza ha già superato questi controlli, entra in gioco nuovamente Gemini, ma con una modalità diversa. In questa fase riceve soltanto il capitolo e un prompt neutrale, senza il dossier, il brief narrativo o l’elenco dei problemi già discussi. L’obiettivo è ottenere una lettura quanto più possibile indipendente, capace di individuare contraddizioni, ripetizioni, passaggi poco chiari, tecnicismi non spiegati, parti dispersive o affermazioni dubbie senza essere condizionata dal percorso che ha portato a quella versione.
Le osservazioni di Gemini non vengono accettate automaticamente. ChatGPT Work verifica i rilievi fattuali e quantitativi, distingue i problemi reali dalle preferenze stilistiche e applica soltanto le correzioni che risultano fondate.
Solo dopo questo passaggio il capitolo arriva alla mia lettura completa. È qui che valuto il testo come parte del libro, non soltanto come insieme di dati corretti. Posso decidere di eliminare un esempio corretto ma poco utile, semplificare un passaggio troppo tecnico, chiedere più spazio per un aspetto che considero essenziale oppure modificare la struttura se la lettura complessiva non funziona come dovrebbe. Dopo queste modifiche viene ripetuto il controllo fattuale e tecnico; un nuovo passaggio con Gemini viene utilizzato soltanto quando le modifiche sono abbastanza estese da giustificarlo o quando rimane un dubbio specifico.
Perché questo dovrebbe produrre testi migliori
Il vantaggio principale di questo metodo non è avere più revisioni, ma assegnare a ogni fase una funzione diversa. OpenClaw cerca e organizza il materiale; ChatGPT Work consolida il dossier, costruisce la narrativa, scrive e verifica; Gemini introduce punti di vista critici in momenti diversi del processo; io mantengo il controllo sulle scelte editoriali e sulla versione finale.
Questa separazione permette di aumentare il rigore senza trasformare il libro in una sequenza di cautele e note tecniche. Se le incertezze sui dati vengono affrontate prima della scrittura, la prosa può diventare più semplice. Se la narrativa viene progettata prima di scrivere migliaia di parole, il capitolo ha meno bisogno di essere aggiustato successivamente con collegamenti artificiali o ripetizioni. Se un secondo sistema legge il risultato senza conoscere il percorso che lo ha prodotto, aumenta la probabilità di individuare problemi che chi ha seguito tutto il lavoro tende ormai a non vedere più.
L’obiettivo finale rimane quello che ha dato origine a Grandi Numeri, Grandi Impatti: usare i numeri per costruire prospettiva, non per accumulare dati. Il processo è diventato più articolato proprio per rendere il risultato più semplice da leggere, più difficile da ingannare con una frase ben costruita e più vicino alle decisioni editoriali che voglio prendere io, non a quelle che prenderebbe autonomamente uno strumento di intelligenza artificiale.