La conoscenza “just in time”: l’intelligenza artificiale ci rende più competenti o soltanto più veloci?

Fino a pochi anni fa, per sapere qualcosa bisognava studiarla.

Occorreva leggere libri, frequentare corsi, prendere appunti, confrontarsi con altri professionisti e, soprattutto, dedicare tempo a trasformare le informazioni in conoscenza personale.

Oggi possiamo rivolgerci a un’intelligenza artificiale e ottenere, in pochi secondi, una spiegazione, un confronto, una procedura o una sintesi. La sensazione è quasi quella di possedere una conoscenza illimitata.

Ma è davvero conoscenza?

In realtà, l’intelligenza artificiale non ci rende onniscienti. Ci offre accesso a un fornitore di informazioni straordinariamente rapido e disponibile. E accesso alla conoscenza e possesso della conoscenza non sono esattamente la stessa cosa.

La conoscenza come magazzino

Possiamo comprendere meglio questo cambiamento attraverso una metafora molto vicina alla gestione dello studio dentistico: il magazzino del materiale di consumo.

Uno studio potrebbe acquistare all’inizio dell’anno tutto il materiale che prevede di utilizzare nei dodici mesi successivi. Avrebbe così una scorta abbondante e immediatamente disponibile.

Questa scelta, però, comporterebbe:

• un importante impiego di denaro;
• la necessità di spazio;
• il controllo delle scadenze;
• il rischio di acquistare materiali che saranno utilizzati poco o diventeranno superati.

Il vantaggio sarebbe la disponibilità immediata: quando serve qualcosa, è già presente nello studio.

Per molti anni abbiamo gestito la conoscenza più o meno nello stesso modo. Abbiamo “riempito il magazzino” studiando in anticipo numerosi argomenti, anche se non sapevamo esattamente quando li avremmo utilizzati.

Il costo non era rappresentato soltanto dal prezzo dei libri o dei corsi. Il vero investimento era il tempo necessario per studiare, comprendere, ricordare e aggiornare le informazioni.

Dalle scorte alla conoscenza “just in time”

Il principio del just in time consiste nel rendere disponibile ciò che serve, quando serve e nella quantità necessaria. È uno dei pilastri del Toyota Production System, nato per ridurre sprechi e giacenze attraverso la sincronizzazione dei processi. Anche Toyota, però, precisa che una quantità minima di componenti deve essere comunque disponibile per evitare l’interruzione della produzione. Non significa, quindi, lavorare senza scorte, ma possedere le scorte giuste (1) .

L’intelligenza artificiale permette di applicare un principio simile alla conoscenza.

Non devo necessariamente ricordare ogni formula di Excel, ogni particolare di una norma o tutte le possibili formulazioni di una comunicazione. Posso recuperare queste informazioni nel momento in cui ne ho bisogno.

Il vantaggio è evidente:

• investo meno tempo nell’apprendimento iniziale;
• non devo conservare mentalmente migliaia di informazioni;
• posso accedere rapidamente anche ad argomenti lontani dalla mia competenza principale;
• posso aggiornare più facilmente informazioni che cambiano nel tempo.

Questo fenomeno non nasce con l’intelligenza artificiale. Gli psicologi lo definiscono cognitive offloading: trasferiamo una parte del lavoro mentale a strumenti esterni, come agende, checklist, libri e smartphone. Questa delega può alleggerire il carico cognitivo e migliorare l’esecuzione di alcuni compiti (2).

L’IA ha semplicemente reso questo processo molto più potente.

Il paradosso del tempo

La conoscenza “just in time” sembra farci risparmiare tempo, ma questo è vero soltanto in parte.

La conoscenza tradizionale richiede molto tempo all’inizio: studio oggi per essere preparato domani. Quando il problema si presenta, però, posso affrontarlo rapidamente perché possiedo già i principi necessari.

Con l’IA accade il contrario: investo poco tempo prima, ma devo recuperare, contestualizzare e verificare l’informazione ogni volta che mi serve.

Il vero calcolo, quindi, dovrebbe essere questo:

Quanto tempo risparmio oggi e quanto tempo dovrò spendere, in futuro, per cercare e controllare ripetutamente la stessa informazione?

Se un’informazione viene utilizzata raramente, è standardizzata e facilmente verificabile, il just in time può essere molto conveniente.

Se, invece, riguarda decisioni frequenti, importanti o potenzialmente rischiose, continuare a richiederla all’IA potrebbe essere meno efficiente e meno sicuro che averla realmente compresa.

Quando ricordiamo dove trovare qualcosa, ma non la cosa stessa

Già nel 2011 uno studio pubblicato su Science mostrava che, quando le persone si aspettavano di poter ritrovare successivamente un’informazione sul computer, ricordavano meno facilmente il contenuto e più facilmente il luogo in cui recuperarlo. Internet stava diventando una forma di memoria esterna (3).

Con l’IA questo effetto potrebbe diventare ancora più rilevante, perché non ci limitiamo a recuperare un documento: possiamo farci spiegare l’argomento, produrre una risposta e persino simulare un ragionamento.

Il rischio è confondere la qualità del risultato ottenuto con la nostra reale competenza.

Una ricerca pubblicata nel 2025 su PNAS, condotta su quasi mille studenti di matematica, ha mostrato proprio questa differenza. L’accesso non strutturato a GPT-4 migliorava molto la prestazione durante le esercitazioni, ma, quando l’IA veniva tolta, gli studenti ottenevano risultati peggiori rispetto a chi non l’aveva utilizzata. Un sistema progettato come tutor, che guidava il ragionamento senza limitarsi a fornire la risposta, riduceva invece questo effetto negativo (4) .

Il contesto è scolastico e non può essere trasferito automaticamente all’attività professionale. Il principio, però, merita attenzione: migliorare la prestazione mentre utilizziamo l’IA non significa necessariamente aver imparato qualcosa.

Il problema non è soltanto la connessione

Nel magazzino just in time, se il fornitore non consegna il materiale necessario, la produzione si ferma.

Con la conoscenza esternalizzata può accadere qualcosa di simile. Se lo strumento non è disponibile, non è connesso o non può accedere alle fonti necessarie, una parte della nostra capacità operativa viene meno.

Ma esiste un rischio ancora più insidioso: il fornitore potrebbe consegnarci il materiale sbagliato senza che ce ne accorgiamo.

I sistemi di IA generativa possono produrre contenuti falsi o inesatti presentandoli in modo convincente. Il NIST definisce questo fenomeno confabulation e sottolinea che il rischio è particolarmente importante nei settori, come quello sanitario, nei quali le decisioni hanno conseguenze rilevanti. (5).

Per controllare la qualità di una risposta occorre possedere una conoscenza minima dell’argomento. Se non conosco nulla, non so quali domande porre, quali fonti richiedere e quali errori cercare.

Il pericolo maggiore, quindi, non è che l’IA smetta di funzionare. È che continui a funzionare benissimo mentre noi non siamo più in grado di valutare ciò che produce.

Le tre scorte di conoscenza dello studio dentistico

Non dobbiamo scegliere tra studiare tutto e delegare tutto all’intelligenza artificiale. Possiamo progettare un sistema più equilibrato, composto da tre livelli.

1. La conoscenza da conservare nella nostra mente

Riguarda i principi indispensabili per ragionare e prendere decisioni:

• competenze cliniche fondamentali;
• criteri di valutazione dei rischi;
• principi economici e gestionali dello studio;
• capacità di comunicare con pazienti e collaboratori;
• conoscenze necessarie per controllare l’attendibilità di una risposta;

Non è necessario ricordare ogni dettaglio, ma dobbiamo possedere una struttura mentale che ci permetta di comprendere il problema.

2. La conoscenza da conservare nello studio

Esistono informazioni che non devono necessariamente essere ricordate da ogni collaboratore, ma devono essere documentate, validate e facilmente recuperabili:

• protocolli operativi;
• checklist;
• manuale dello studio;
• procedure di comunicazione;
• verbali delle riunioni;
• criteri decisionali;
• documenti normativi e fonti di riferimento;

Questa è la nostra “scorta di sicurezza”. L’IA può aiutarci a consultarla e applicarla, purché utilizzi strumenti e ambienti adeguati alla riservatezza dei dati.

3. La conoscenza da acquistare “just in time”

Possiamo lasciare all’IA le informazioni facilmente reperibili, poco rischiose e utilizzate occasionalmente. Per esempio:

• una prima bozza di comunicazione;
• una formula per un foglio di calcolo;
• la sintesi iniziale di un documento;
• il confronto tra diverse alternative;
• la preparazione di domande per un consulente;
• l’organizzazione di una riunione;

In questo modo l’IA non sostituisce la nostra competenza, ma ne aumenta la capacità operativa.

Anche la conoscenza ha un costo da controllare

Come accade con i materiali, anche la conoscenza può essere acquistata a un prezzo eccessivo.

Il fatto che un corso gestionale o una consulenza siano rivolti specificamente ai dentisti non ne moltiplica automaticamente il valore. La personalizzazione può giustificare un prezzo maggiore soltanto quando produce competenze, strumenti o risultati realmente specifici e misurabili.

L’intelligenza artificiale può aiutarci a valutare meglio ciò che stiamo acquistando. Non dovrebbe decidere se un consulente è competente, ma può aiutarci a porre domande più precise:

1. Quali sono i risultati concreti promessi?
2. Quello che pago è un reale corso o solo un momento di vendita
3. Le informazioni sono originali o sono già disponibili in fonti autorevoli?
4. Il relatore verrà a seguirmi personalmente condividendo quello che ha presentato al corso oppure mi manderà dei suoi incaricati con capacità inferiori?
5. Qual è il costo complessivo, comprese eventuali consulenze successive?
6. Quanto tempo dovremo dedicare alla formazione?
7. Come misureremo il miglioramento ottenuto?
8. Al termine saremo più autonomi o ancor più dipendenti dal consulente?

Possiamo inoltre utilizzare l’IA per analizzare un programma formativo, confrontarlo con libri, linee guida e offerte alternative, verificare le fonti citate e distinguere il valore professionale dalla semplice capacità di presentazione.

Una bella narrazione può convincerci ad acquistare ma non è una prova di efficacia.

Non serve un magazzino vuoto, ma un magazzino intelligente

L’intelligenza artificiale non rende inutile l’apprendimento. Ci obbliga, piuttosto, a decidere meglio cosa valga la pena studiare. Dobbiamo imparare in profondità ciò che utilizziamo frequentemente, ciò che influenza decisioni importanti e ciò che ci serve per controllare il lavoro dell’IA. Possiamo invece delegare il recupero delle informazioni occasionali, standardizzate e facilmente verificabili.

Il professionista del futuro non sarà quello che sa tutto, ma non sarà nemmeno quello che chiede tutto all’intelligenza artificiale. Sarà quello che sa distinguere:

• ciò che deve conoscere;
• ciò che deve documentare;
• ciò che può recuperare al momento del bisogno;
• ciò che deve sempre verificare.

L’IA dovrebbe ridurre il peso della memoria, non sostituire la competenza. Dovrebbe aiutarci a cercare, confrontare, controllare e imparare meglio, non offrirci una comoda giustificazione per smettere di comprendere.

La vera domanda, quindi, non è se dobbiamo utilizzare l’intelligenza artificiale per apprendere. La domanda è: quale conoscenza possiamo affidarle e quale, invece, deve continuare a far parte di noi?

Dalla conoscenza all’applicazione: il ruolo del DAG

Capire quali conoscenze dobbiamo possedere, quali possiamo conservare nello studio e quali possiamo richiedere all’intelligenza artificiale non è soltanto un esercizio teorico. È una competenza che deve essere aggiornata continuamente, perché gli strumenti di IA e le loro possibili applicazioni cambiano molto rapidamente.

È una delle ragioni per cui è nato il DAG – Dentalligenza Artificiale Group, il programma annuale di aggiornamento dedicato all’applicazione concreta dell’intelligenza artificiale nello studio dentistico.

Il DAG non è semplicemente una raccolta di lezioni. È un percorso nel quale i partecipanti possono:

• conoscere nuovi strumenti e nuove applicazioni;
• sperimentarli nella propria realtà professionale;
• confrontare le esperienze con altri colleghi;
• condividere strumenti, difficoltà e risultati;
• trasformare le idee in procedure utilizzabili praticamente nello studio.

Diversi partecipanti hanno già condiviso risultati concreti: relazioni ai pazienti più chiare ed efficaci, maggiore rapidità nella preparazione dei documenti, miglioramento dell’accettazione dei piani di cura, creazione di strumenti operativi applicati nella gestione del personale e nella gestione economica dello studio.

Questo confronto tra colleghi rappresenta uno degli aspetti più importanti del percorso: il risultato ottenuto da uno studio diventa un punto di partenza per gli altri. Perché come diceva, Omer Reed un famoso dentista gestionale americano, “Se è stato fatto prima allora è possibile”.

Nel DAG impariamo quindi non soltanto a utilizzare l’IA, ma anche a valutare quale conoscenza abbia realmente valore, che cosa meriti di essere approfondito e che cosa possa essere delegato alla tecnologia.

Rimane poi un’altra domanda fondamentale: come utilizzare l’intelligenza artificiale nello studio in modo verificabile e conforme?

È il tema affrontato nel webinar dedicato all’AI Act e alla normativa italiana (132/25), nel quale vediamo come organizzare l’impiego dell’IA, proteggere i dati, definire responsabilità e procedure e ridurre i rischi derivanti da un utilizzo improvvisato.

Perché oggi aggiornarsi sull’intelligenza artificiale non significa frequentare una lezione e archiviarla. Significa entrare in un processo continuo: imparare, applicare, misurare, condividere e migliorare.

Ed è proprio questo il principio su cui si basa il DAG.

Per capire come utilizzare le varie applicazioni dell’intelligenza artificiale e sperimentarle nella propria realtà professionale e far parte di una comunità di più 90 dentisti puoi iscriverti al programma annuale “Dentalligenza Artificiale Group” (DAG) al LINK.

Se poi vuoi capire come utilizzare tali strumenti seguendo le normative europee (AI ACT) e  italiane  (legge 132/25)  puoi vedere gratuitamente il “Webinar AI ACT” al LINK

Riproduzione riservata

Dr. Tiziano Caprara

Bibliografia

• https://global.toyota/en/company/vision-and-philosophy/production-system/
• https://pubmed.ncbi.nlm.nih.gov/27542527/
• https://www.science.org/doi/10.1126/science.1207745
• https://www.pnas.org/doi/10.1073/pnas.2422633122
• https://tsapps.nist.gov/publication/get_pdf.cfm?pub_id=958388