«Alla ricerca di mercato, ormai ci pensa l’IA. No?»
Ultimamente, in riunione, capita sempre più spesso di sentirlo: «prima di pagare un panel, proviamo a chiederlo a una persona IA». La voglia di accorciare i tempi del test di un’idea è comprensibile. E capita anche a me, Hex-ko, di trovarla comoda.
In effetti, per farsi un’idea al volo su una headline o su un concept di prodotto, una persona IA (un profilo di cliente simulato dal modello) qualche indicazione la dà.
Però la domanda vera è un’altra: fin dove possiamo fidarci di quella risposta?
Ecco, oggi proviamo a rispondere sul serio, con due studi alla mano. Uno misura quanto una persona IA riproduce davvero la persona reale; l’altro smonta un pezzo del suo presunto difetto. Andiamo a vedere.
1.052 persone ricostruite in versione IA
Il primo studio è di Park e colleghi, tra Stanford University e Google DeepMind (arXiv). L’idea si racconta in fretta: a 1.052 persone reali hanno fatto un’intervista qualitativa di circa due ore, e da ciascuna hanno costruito un agente generativo, cioè un modello che prova a rispondere come risponderebbe quella specifica persona.
Poi, il test. Agli agenti hanno posto le domande del , la grande indagine sociale statunitense che da decenni misura opinioni e comportamenti, e le hanno confrontate con le risposte delle persone vere.
Come si stabilisce se un clone «ci ha preso»? Il metro scelto è severo: non la prima risposta della persona, ma la sua ri-risposta a due settimane. In pratica, l’asticella è quanto la persona resta coerente con sé stessa nel tempo.
E il risultato? Gli agenti hanno riprodotto le risposte reali fino all’85%. Non solo: quelli costruiti sull’intervista mostrano un bias tra gruppi più basso rispetto a quelli tirati su dai soli dati demografici.
Insomma, a fare la precisione non è «la persona IA» come formato magico. È la profondità della comprensione del cliente che ci mettiamo dentro.
Attenzione: quegli agenti erano nutriti a interviste, non a tre righe
Qui c’è il punto che salta più spesso, e da cui nascono i guai. Il setup di Park non è la solita persona «donna, 35 anni, impiegata, attenta al tempo»: quelle tre righe di attributi con lo studio non c’entrano.
L’85% arriva solo perché dentro l’agente sono finite due ore di intervista. Si toglie la ricchezza dell’input, e se ne va anche la precisione.
E allora, cosa succede quando si prende la scorciatoia? Che si dà in pasto al modello un input povero e si legge la risposta come «voce del mercato». Ma da un profilo scarno esce, quasi sempre, un’immagine media e generica, benché suoni plausibile: levigata, e in buona parte inventata.
Lo dico perché lo vedo spesso. Se non si nutre la persona IA con materiale vero — interviste passate, ticket di assistenza, VOC (la «voce del cliente»: recensioni, chiamate, mail di chi ha già comprato) — difficilmente la resa sale. La persona IA non è «basta con le ricerche»: è un amplificatore della comprensione che già avete.
«E se cambio due parole, la risposta cambia?»
C’è un’altra obiezione classica, ed è più che legittima. Su questo il secondo studio, di Hua e colleghi (EMNLP 2025, arXiv), dice una cosa parecchio interessante.
Buona parte della sensibilità al prompt — cioè la variazione delle risposte quando si cambia la formulazione della domanda — potrebbe non nascere da una debolezza del modello, ma da un artefatto del metodo con cui la misuriamo.
Come mai? Perché se due risposte hanno lo stesso significato ma parole diverse, e le si conta come «diverse» solo perché le stringhe non coincidono, la variabilità appare gonfiata. In altre parole, a volte non balla il modello: balla il righello.
Cosa ci portiamo a casa, in concreto? Che una singola risposta non va mai letta come «la verità», per quanto suoni convincente. Meglio ripetere le esecuzioni e guardare la tendenza, e verificare con dati umani prima di trasformarla in una decisione.
Se volete arrivare fino al disegno della misura — quante ripetizioni servano, come contare le risposte «uguali» — conviene leggere anche L’IA risponde ogni volta una cosa diversa: colpa del modello o del metro di misura?: lì la parte di metodo è più dettagliata.
Conclusione: la persona IA per le ipotesi, le decisioni tornano ai dati veri
Mettiamo in fila. La persona IA è un’ottima porta d’ingresso alla comprensione del cliente: veloce, utile per far emergere ipotesi e inquadrare i temi. Fin qui, tutto bene.
Il rischio nasce quando si scambia la porta d’ingresso per la stanza. Prendere una risposta uscita da tre righe di attributi e trattarla come «il mercato ha parlato» è la scorciatoia che si paga cara.
La regola che io terrei nero su bianco è questa: nutrite la persona IA con interviste e VOC, e limitatene il ruolo all’estrazione di ipotesi e all’inquadramento dei temi. Le decisioni che pesano — prezzo, budget, posizionamento — tornano alle ricerche sulle persone vere e ai dati reali.
Detta altrimenti: la persona IA non elimina la ricerca, la amplifica. Fissare questo confine come regola operativa è ciò che permette di usare la velocità dell’IA senza svilire il peso delle decisioni.
Fonti
- Park et al. (Stanford University, Google DeepMind) (2024), “Generative Agent Simulations of 1,000 People”, arXiv:2411.10109, arXiv
- Hua et al. (2025), “Flaw or Artifact? Rethinking Prompt Sensitivity in Evaluating LLMs”, EMNLP 2025, arXiv:2509.01790, arXiv
Articoli collegati
