TL;DR
Le aziende comprano AI come comprano tutto il resto: si sceglie il fornitore migliore e se ne tiene un secondo per sicurezza. Con i modelli quella logica si rompe in silenzio. Una ricerca della Cornell mostra che modelli di fornitori e architetture diverse tendono a sbagliare sulle stesse cose, e che piu due modelli sono accurati, piu i loro errori coincidono. Uno studio su quattro milioni di candidature mostra l'effetto su chi sta dall'altra parte. Il rischio che nessuno quota non e l'accuratezza. E l'accordo.
Venti aziende. Venti modelli diversi, ognuno estratto a caso da un fornitore diverso. Circa un candidato su cinque restava scartato da tutti e venti.
Il risultato sta in un paper della Cornell del giugno 2025 e non l'ho ancora sentito citare in una sola riunione aziendale sull'AI.
L'assunzione che nessuno scrive
Ogni modello di rischio in azienda gira sull'indipendenza. Due revisori intercettano piu di uno. Due fornitori sopravvivono a quello che uno solo non supera. Due opinioni valgono piu di una opinione ascoltata due volte. Non lo scriviamo mai, ed e precisamente per questo che non lo verifichiamo mai.
A giugno 2026 un gruppo di Stanford e Northeastern ha pubblicato l'audit piu ampio che conosca sugli algoritmi di selezione: 4.197.168 candidature di 3.372.132 persone, 1.746 posizioni, 156 datori di lavoro, tutte filtrate dagli algoritmi di un solo fornitore tra dicembre 2018 e dicembre 2022. Circa il 4 per cento di chi si era candidato a dieci posizioni risultava scartato da tutte e dieci. Con decisioni indipendenti quel numero dovrebbe crollare man mano che si allarga il tiro. Non crolla. Per avere una probabilita quasi certa che almeno un essere umano apra il tuo fascicolo servono venticinque candidature, non dieci.
La correzione ovvia e distribuire il lavoro su piu fornitori. Il gruppo della Cornell ha messo alla prova quell'assunzione su 420 valutazioni di modelli di piu di una dozzina di fornitori. Quando due modelli sbagliano entrambi, concordano sulla risposta sbagliata circa il 60 per cento delle volte su un benchmark, contro una baseline casuale del 33 per cento. Su un altro, 42,3 per cento contro 12,7. Quasi ogni coppia del campione sta sopra la propria baseline.
Logo diverso. Stesso punto cieco.
La frase che dovrebbe preoccupare chi fa acquisti
Nelle tabelle di regressione c'e la parte che cambia il modo di comprare: piu due modelli sono accurati, piu i loro errori sono correlati. Scegli il modello migliore in classifica, come fanno tutti, e ti sposti verso la zona della distribuzione dove gli errori si sovrappongono di piu. Ogni acquirente ottimizza correttamente la propria decisione, e il sistema diventa piu fragile a ogni scelta razionale. Nelle schede di valutazione fornitori quella colonna non esiste.
La stessa forma, vista dalla sedia del cliente
Il settore ha iniziato a notare il sintomo senza nominare la causa. Un documento della Cloud Security Alliance del 19 giugno 2026 riporta che il 91 per cento dei dirigenti non ha visibilita completa sulle proprie dipendenze AI, il 71 per cento considera difficile cambiare fornitore principale di modelli e l'81 per cento si aspetta un impatto grave o critico da sette giorni di fermo di un singolo fornitore. I giorni con disservizi rilevanti sono passati da 6 nel primo trimestre 2025 a 51 nel primo trimestre 2026.
Il 6 ottobre 2026 una dirigente IT di Citi gli ha dato un nome decente su Forbes: concentrazione cognitiva. Molte applicazioni, una sola mente sotto, giudizi correlati. La sua lettura la tratta come un problema di dipendenza, risolvibile diversificando. Il numero della Cornell dice ad alta voce la meta piu scomoda: diversificare il fornitore non ti restituisce l'indipendenza.
Millenovecentosettanta
Gli agricoltori americani avevano decine di marche di sementi tra cui scegliere. Circa il 90 per cento del mais ibrido piantato portava lo stesso citoplasma Texas male sterile, perche rendeva la produzione di seme ibrido piu economica. L'elmintosporiosi del mais ha trovato quell'unico tratto condiviso e si e portata via circa il 15 per cento del raccolto della corn belt in una sola stagione.
I campi sembravano diversi. Il seme no.
Perche questo conta per il tuo business
Due domande meritano posto nella prossima revisione AI, e nessuna riguarda l'accuratezza. La prima: dove stiamo dando per scontato che due sistemi si controllino a vicenda, mentre condividono la stessa discendenza di addestramento? Decisioni di credito, segnalazioni antifrode, screening dei curriculum, rischio fornitore, moderazione dei contenuti. La seconda: il nostro piano B e un modello diverso o una fattura diversa?
E un avvertimento sul conforto della supervisione umana. Chi rivede e vede tre sistemi concordare non sta vivendo tre giudizi indipendenti. Sta vivendo un consenso, che e la forma piu convincente che un errore correlato possa assumere.
Il tuo secondo fornitore e sicuramente un secondo contratto. Che sia anche un secondo parere e una questione empirica, e quasi nessuno la sta misurando.