Nel luglio 2025 una versione avanzata di Gemini con “Deep Think” ha raggiunto lo standard da medaglia d’oro alle Olimpiadi Internazionali della Matematica, risolvendo cinque problemi su sei, con un punteggio di 35 punti su 42. Eppure, lo stesso tipo di modello, messo davanti a un orologio analogico, indovina l’ora poco più di una volta su due, precisamente nel 50,1% dei casi, ovvero con una probabilità simile a quella del lancio di una moneta. Questo paradosso che definisce l’intelligenza artificiale di oggi ha un nome: Jagged frontier (in italiano frontiera frastagliata). Scopriamo di più nell’articolo completo Neurally.
Cos’è la Jagged Frontier
I ricercatori la chiamano Jagged frontier, il concetto che descrive il confine imprevedibile, irregolare e non uniforme delle capacità degli LLM. In pratica, l’AI raggiunge livelli sovrumani su alcuni compiti e crolla su altri che a noi sembrano banali, rendendo impossibile tracciare una linea netta tra “ciò che l’AI sa fare” e “ciò che non sa fare”. Piuttosto, si palesa un profilo seghettato, imprevedibile, dove picchi di eccellenza convivono con voragini di incompetenza a poca distanza.
Il termine proviene da un articolo del 2023 di Fabrizio Dell’Acqua, Edward McFee, Hila Lifshitz-Assaf, Katherine Kellogg, intitolato “Navigating the Jagged Technological Frontier” (in italiano Navigare nella frontiera tecnologica frastagliata) che utilizza una metafora spaziale per descrivere un aspetto reale e controintuitivo delle capacità dell’intelligenza artificiale.
Immaginiamo di rappresentare su un piano tutte le possibili mansioni lavorative e di tracciare un confine attorno a tutte le attività che un sistema può svolgere bene. All’interno di questa frontiera, l’Ai ottiene risultati eccezionali; al di fuori di essa, incontra difficoltà o fallisce. Quel confine non è un cerchio perfetto, ma frastagliato, imprevedibile. Un compito che sembra complesso potrebbe trovarsi perfettamente all’interno del confine, mentre uno che sembra banale potrebbe trovarsi appena fuori da esso. Le capacità dell’AI non crescono in modo uniforme con la difficoltà dei compiti e non è possibile stabilire una regola affidabile del tipo “compiti facili all’AI, difficili agli umani”.
Il concetto di Jagged Frontier nasce oggettivamente da uno studio condotto da ricercatori di Harvard Business School e Boston Consulting Group, poi pubblicato sulla rivista accademica Organization Science i cui avviene la scoperta chiave, cioè che i professionisti che usavano l’AI su compiti “dentro” la frontiera miglioravano nettamente qualità e velocità del lavoro, mentre quelli che la usavano su compiti “fuori” dalla frontiera peggioravano, perché si fidavano di risposte sbagliate ma convincenti.
La lezione è controintuitiva: quanto è difficile prevedere quando l’AI è brava?
I progressi e i limiti dell’AI
Chi liquida ancora l’intelligenza artificiale come “hype” sbaglia perchè i miglioramenti sono documentati e velocissimi.
Sul benchmark di coding SWE-bench Verified, che misura la capacità di risolvere problemi reali di programmazione tratti da progetti open source, le prestazioni dei modelli migliori sono passate in circa un anno dal 60% a valori vicini al livello umano di riferimento.
Gli agenti AI, testati su compiti reali al computer con il benchmark OSWorld (aprire applicazioni, compilare form, navigare tra file), sono balzati da circa il 12% a circa il 66% di successo, moltiplicando in un anno per cinque la loro affidabilità operativa.
Quello stesso agente che riesce nel 66% dei casi, fallisce ancora circa una volta su tre nei benchmark strutturati. In un processo aziendale reale, un errore ogni tre tentativi rappresenta la differenza tra automazione e caos.
La robotica ci racconta lo stesso divario perché i robot più avanzati riescono in appena il 12% dei compiti domestici reali, nonostante superino l’89% di successo nelle simulazioni controllate.
E poi c’è l’affidabilità dell’informazione, il punto più delicato per chi lavora con dati e clienti. I tassi di allucinazione tra i modelli di punta variano enormemente, da poco più del 20% fino a oltre il 90% a seconda del compito e del modello. Ancora più insidiosa è la fragilità di fronte alla pressione: l’accuratezza di un modello top come GPT-4o può crollare drasticamente quando un’affermazione falsa viene presentata come una convinzione dell’utente. Il modello, per compiacere, tende a darti ragione, anche quando hai torto.
Per un’azienda questo significa una cosa precisa: l’intelligenza artificiale non sbaglia solo per ignoranza ma anche per accondiscendenza.
Valutare l’AI compito per compito, non “in generale”
La domanda giusta da farsi di fronte a un tool AI è quindi: è affidabile su questo specifico compito, con i miei dati, nel mio contesto?”. La risposta cambia radicalmente da un’attività all’altra.
Per un’impresa questo si traduce in una mappa: e due vie i cui da un lato vi sono le attività strutturate, ripetibili e verificabili, dove il modello è affidabile e può lavorare in autonomia; dall’altro le attività che richiedono giudizio, contesto e dati sensibili, dove serve un punto di controllo umano ben progettato.
Fidarsi ciecamente delle dichiarazioni di benchmark, o presumere una competenza uniforme, è la ricetta perfetta per errori costosi, di quelli che si scoprono quando è troppo tardi.
