Perché le IA ti danno risposte diverse

Fai la stessa identica domanda a ChatGPT, Gemini e Claude e spesso avrai tre risposte diverse. A volte cambia solo il tono. A volte è un taglio del tutto diverso. Fai la stessa domanda due volte allo stesso modello e persino quella può cambiare.

Sembra che qualcosa non funzioni. Non è così. Questi strumenti sono costruiti proprio per lavorare così, e una volta capito il perché puoi usarlo a tuo vantaggio invece di restarne spiazzato.

La risposta breve: l’IA predice, non consulta

Ecco cosa quasi tutti fraintendono sui chatbot di IA. Si dà per scontato che ci sia un grande database da qualche parte e che l’IA vada a recuperare la voce giusta. Non è quello che succede.

Un modello linguistico funziona più come il completamento automatico più colto del mondo. Legge la tua domanda e predice la parola successiva, poi la seguente, poi ancora, ognuna in base a ciò che è più probabile che venga dopo tutto il resto. Metti in fila abbastanza previsioni e ottieni un paragrafo che si legge come una vera risposta.

La parola chiave è probabile. A ogni passo non c’è un’unica parola ovvia. C’è tutta una gamma di opzioni valide, ognuna con una probabilità diversa. Il modello ne deve scegliere una. E il modo in cui sceglie è dove nascono le differenze.

Ti presentiamo la «temperatura», la manopola della creatività

Ogni modello ha un’impostazione nascosta chiamata temperatura. Decide quanto è audace il modello nello scegliere quella parola successiva.

Abbassala e il modello va sul sicuro, prendendo quasi sempre la parola più probabile. Ottieni risposte stabili e prevedibili. Alzala e il modello osa parole meno scontate, il che rende la scrittura più varia e creativa, e un po’ meno prevedibile. IBM lo descrive come il controllo di quanto è «marcata» o «piatta» la gamma di scelte prima che il modello decida.

Un bel modo per immaginarlo: un modello a bassa temperatura è un cuoco che segue la ricetta al grammo, così ogni infornata ha lo stesso sapore. Uno ad alta temperatura è uno chef che improvvisa, così la cena a volte è geniale e ogni tanto strana.

È questo il motivo principale per cui lo stesso modello può rispondere alla stessa domanda in due modi. C’è di proposito un pizzico di casualità controllata, perché risposte un po’ varie risultano più naturali e umane di una macchina che si ripete parola per parola.

Perché due modelli diversi divergono ancora di più

La temperatura spiega perché un singolo modello oscilla. Ma perché Gemini suona pacato e accurato mentre un altro modello è secco e diretto? Dipende da come è stato cresciuto ciascuno, e non ce ne sono due cresciuti allo stesso modo.

Tre cose plasmano gli istinti di un modello:

• Cosa ha letto. Ogni modello è addestrato su un mix di testi diverso. Uno nutrito di molta scrittura accademica tende a sfumare di più e a suonare formale. Uno addestrato su un mix più ampio e colloquiale risulta più disinvolto. I dati di addestramento fissano in silenzio il vocabolario, il ritmo e quanto il modello tende a essere cauto.
• Come è stato messo a punto. Dopo l’addestramento iniziale, le aziende rifiniscono il comportamento del modello in conversazione. Quel passaggio plasma come apre una risposta, quanto si allungano le sue risposte e cosa fa quando non è sicuro.
• Il giudizio umano. Persone vere valutano le risposte del modello, che impara a pendere verso ciò che è piaciuto. Se i valutatori preferivano risposte più calde, più brevi, più prudenti, il modello scivola in quella direzione. Questo passaggio spiega in gran parte perché ogni modello finisce con la sua «personalità» riconoscibile.

Quindi GPT, Gemini, Claude e Grok non divergono perché uno ha ragione e gli altri torto. Ognuno ha imparato da materiale diverso ed è stato allenato da team diversi con gusti diversi. Ovvio che rispondano in modo diverso. Fai la stessa domanda a quattro amici molto colti e ti aspetti anche lì quattro versioni.

Un rapido faccia a faccia

Stessa domanda, quattro modelli. Ecco il tipo di differenza che noterai davvero nell’uso di tutti i giorni.

Prendilo come una sensazione di massima, non come una classifica. Le personalità sono reali e abbastanza costanti da essere utili, ma qual è il «migliore» cambia davvero con la domanda. Vuoi sentirlo di persona? Fai a ciascuno la stessa cosa.

Cambia qualcosa con i modelli che «ragionano»?

Un po’, sì. I nuovi modelli di ragionamento, quelli che si fermano a sviscerare un problema passo dopo passo prima di rispondere, si appoggiano meno a quella scelta casuale delle parole per la risposta di fondo. Poiché il ragionamento accurato fa il grosso del lavoro, regolare la temperatura pesa meno sul fatto che azzecchino la risposta. Continueranno a variare la formulazione, ma su una domanda difficile di logica o di fatti tendono a essere più stabili di un modello rapido e chiacchierone.

Se vuoi la differenza tra i modelli rapidi e leggeri e quelli più lenti e accurati spiegata per bene, l’abbiamo scomposta in IA veloce o IA intelligente.

Quando risposte diverse sono davvero un problema

Siamo onesti sul rovescio della medaglia. La varietà è ottima per il brainstorming e per scrivere. Lo è meno quando ti serve un dato affidabile.

Se chiedi a un’IA una data precisa, un numero o istruzioni passo dopo passo e ottieni una risposta diversa ogni volta, è un campanello d’allarme da non ignorare. Può voler dire che il modello non è sicuro e in pratica tira a indovinare, che è anche il modo in cui nascono gli errori detti con grande sicurezza. Il rimedio è semplice: quando la risposta conta davvero, chiedi a più di un modello, e se concordano puoi fidarti di più. Se si contraddicono, è il tuo segnale per verificare con una fonte affidabile. Abbiamo approfondito perché l’IA afferma cose false senza battere ciglio in perché l’IA si inventa le cose.

Quindi la stessa qualità che rende l’IA una divertente compagna di idee è quella da tenere d’occhio sui fatti concreti. Sapere in quale delle due situazioni ti trovi è metà del lavoro.

Come far lavorare le differenze a tuo favore

Appena smetti di aspettarti un’unica risposta perfetta, scatta un’abitudine migliore: confrontare. Invece di fidarti di una sola risposta, poni la stessa domanda a un paio di modelli e leggili in parallelo.

• Per i fatti, l’accordo tra due o tre modelli è un buon segnale di fiducia. Uno scontro ti dice di verificare.
• Per la scrittura, passa la stessa richiesta in più modelli e tieni la versione che suona più tua.
• Per le idee, più modelli significa più angolazioni. Uno suggerirà qualcosa che agli altri è sfuggito.

Il problema è che saltare tra app e account diversi per farlo è una scocciatura, ecco perché quasi nessuno lo fa. Avere tutti i modelli in un unico posto è ciò che rende il confronto abbastanza rapido da farlo davvero. Puoi chiedere una volta e vedere come risponde ciascuno fianco a fianco, o cambiare modello a metà conversazione quando uno non centra il punto. Abbiamo messo i tre grandi faccia a faccia in ChatGPT contro Gemini contro Claude se vuoi una lettura più a fondo.

In conclusione

Le risposte diverse non sono un difetto. Sono il risultato naturale di come funzionano questi strumenti: predicono il testo con un pizzico di casualità, e ogni modello porta con sé gli istinti dei dati e delle persone che l’hanno plasmato. Aspettarsi che una macchina ti consegni un’unica risposta perfetta è il modello mentale sbagliato.

La mossa migliore è trattare l’IA come un tavolo di consulenti svegli e molto colti, non come un unico oracolo. Chiedi a più di uno, nota dove concordano e scegli la risposta che ti torna. Fai così e la varietà smette di confondere e diventa il bello di tutto.