Che cos'è la fluenza in intelligenza artificiale, e perché misurare il movimento invece della posizione?

Il 10 luglio 2025 il METR ha pubblicato uno studio controllato sulla produttività e l'IA. Sedici sviluppatori esperti hanno lavorato su 246 compiti dei propri repository, ciascuno assegnato per sorteggio a consentire o vietare l'uso dell'IA. Con l'IA hanno impiegato il 19% di tempo in più. Alla fine, hanno stimato di essere stati il 20% più veloci.

Il 24 febbraio 2026 gli stessi autori hanno rifatto lo studio. Tra i dieci del gruppo originale che sono tornati, il calcolo ha dato il 18% più veloce, in un intervallo che va dal 38% più veloce al 9% più lento. Gli stessi autori definiscono il nuovo dato un segnale debole, perché una quota crescente degli invitati rifiuta uno studio che li obblighi a lavorare metà del tempo senza IA.

Il risultato ha cambiato segno tra le due misurazioni, e il disegno dell'esperimento ha smesso di misurare ciò che misurava, perché l'uso dell'IA tra i partecipanti è cambiato. Una scala che assegna un gradino presuppone che la scala stessa resti stabile.

Il termine adottato da Giordano Cabral è fluenza. Lo usa dal 2025 nel FAROL, gruppo di ricerca che ha fondato al CIn/UFPE e che nel 2026 diventa l'Instituto FAROL de Fluência Agêntica; prima di allora, senza questo nome, lo stesso approccio compare nei giochi del PsyFun e nella valutazione in aula.

Il termine viene dall'apprendimento delle lingue: senza pratica, il livello regredisce. La fluenza si misura per asse (un'organizzazione può essere fluente nei dati e non nelle persone) e dipende dall'ecosistema circostante.

L'adozione, da sola, non distingue più le organizzazioni: l'indagine di Stack Overflow del 2025 registra l'84% dei rispondenti che usa o prevede di usare l'IA nello sviluppo, contro il 76% dell'anno precedente, e il 46% che diffida dell'accuratezza di ciò che restituisce, contro il 33% che si fida.

I modelli di maturità in IA ereditano quelli del software degli anni 1990, pensati per processi stabili. La critica del FAROL, approfondita in IA agentica, ha tre punti: l'organizzazione classificata al vertice tende ad avere più da perdere nel cambiamento successivo; questi modelli premiano la standardizzazione e penalizzano la sperimentazione, mentre in IA lo scarto rapido ha valore; e la posizione non informa sulla velocità.

Sono sei assi (conoscenza, strumenti e integrazione, delega e autonomia, processi, produttività e risultati, apprendimento e cultura), ciascuno con una propria scala da N0 a N5, a fronte di una banca principale di 264 item. La porta d'ingresso è la diagnosi aperta: un dirigente risponde per l'organizzazione in tre-otto minuti, senza registrazione preventiva, e riceve subito il radar. Ciò che un'azienda fa dopo si trova in trasformazione delle aziende con l'IA.

Quando si chiede loro se coopererebbero, i bambini rispondono quasi sempre di sì. Nei giochi del PsyFun cooperare costa risorse, la scelta viene fatta in circa tre secondi e nulla sullo schermo si chiama dilemma. In due esperimenti con 162 bambini da 6 a 12 anni, pubblicati su Behavior Research Methods nel 2021, hanno cooperato di più in un gioco che nell'altro, e in modo condizionale, due cose che un questionario non distingue. Cabral ha coordinato il gruppo presso la UFRPE nel 2013 e 2014 e, fino al 2018, il progetto del CNPq che lo ha originato.

La distinzione è tra ciò che la persona risponde su di sé e il registro di ciò che ha fatto. Le due misure hanno errori di natura diversa e, per questo, non si sommano: la dichiarazione sbaglia in modo sistematico e nella stessa direzione, come nel METR; la traccia vede soltanto il lavoro che passa attraverso un sistema che registra, e documenta ciò che è stato fatto, non ciò che è stato compreso.

In Tendências em Mídia e Interação, edizione 2026.2, ogni studente vaglia cinquecento strumenti uno per uno all'interno del sistema della disciplina, che registra il tempo dedicato a ciascuno. La regola è nel piano: se la macchina fabbrica il prodotto, si valuta il processo di pilotaggio della macchina. La disciplina non usa rilevatori di IA; il criterio è l'evidenza di processo: repository, cronologia, giustificazione, test. Nella prima consegna, quattordici studenti hanno portato 5.776 strumenti al catalogo comune e registrato 659 scelte.

Nel FAROL, il ritratto dell'uso osservato è un asse a parte, fuori dalla scala di raccolta, perché non si somma a ciò che la persona riferisce. Il Meu Mapa de IA chiede agli studenti che cosa hanno già fatto; l'aggregato è pubblicato nell'Observatório de adoção de IA, con 2.943 risposte nell'estratto del 14 settembre 2026. La ricerca è trasversale: i cicli non seguono le stesse persone.

La misura non valuta la qualità di ciò che l'IA produce, nessuno strumento invia il contenuto delle conversazioni ad alcun server, e nessun risultato individuale viene divulgato: nei pannelli aperti, le celle con meno di cinque risposte vengono soppresse, il che nell'Observatório ha lasciato 1.394.729 celle fuori dalle somme. Una combinazione non disponibile non significa zero.

Due obiezioni restano pubblicate accanto all'indice. La prima è la legge di Goodhart: un indicatore che diventa obiettivo smette di misurare ciò che rappresentava. Un indice di fluenza è vulnerabile da tre porte: premiare il volume d'uso, banale da manipolare; essere letto come un sigillo; e attribuire punteggio alla delega in modo da premiare chi delega di più al di fuori della propria competenza. La seconda: una misura annunciata funziona come impegno pubblico e può essere rivendicata in seguito, anche per via legale.

La distillazione di competenza (delegare la generazione di codice ha un prezzo nella formazione dell'abilità, e lo ha di più per chi sta iniziando) è un'ipotesi ricorrente nei testi di Cabral e non è ancora stata verificata. Verificarla richiede di seguire le stesse persone nel tempo, e gli strumenti attuali del FAROL fanno misurazioni trasversali. L'Açude, gioco di risorsa comune aperto nel 2026, registra la decisione turno per turno.