Hai chiesto a ChatGPT se alzare i prezzi.
Ha detto sì. Tre motivi. Sembrava sicuro.
Hai alzato i prezzi. Il fatturato è calato del 22%. Il churn è raddoppiato.
ChatGPT aveva torto. Ma non potevi saperlo prima di decidere.
Non è colpa tua. ChatGPT è fatto per sembrare sicuro, non per avere ragione.
Il problema di chiedere a un’unica IA
Quando chiedi consigli business a ChatGPT, ottieni l’opinione di un solo modello. Quel modello ha bias nei dati di training. Ha punti ciechi. Non fa matematica. Non conosce abbastanza la tua situazione per stressare le raccomandazioni.
Soprattutto: nessuno contesta la sua logica.
La strategia vera non funziona così. Non chiedi a una persona e fai tutto quello che dice. Cerchi prospettive multiple. Metti in discussione le ipotesi. Fai girare i numeri prima di impegnarti.
ChatGPT salta tutto questo. Ti dà una risposta in 30 secondi e basta.
Va bene per bozze e brainstorming. Fallisce completamente quando ci sono soldi veri in gioco.
Tre modi in cui ChatGPT fallisce in strategia
1. Allucina numeri
Gli LLM come ChatGPT costruiscono la risposta parola per parola da pattern. Non calcolano. Indovinano quale numero «starebbe bene» nella frase.
Chiedi di stimare il CAC in base a spesa pubblicitaria e tassi di conversione. Ti darà un numero. È una supposizione travestita da matematica.
È pericoloso quando decidi se investire 50k in un nuovo mercato o assumere due persone invece di una. Numeri sbagliati portano a decisioni sbagliate. Decisioni sbagliate costano soldi veri.
2. Dà consigli generici
ChatGPT è stato addestrato su milioni di articoli che dicono la stessa cosa. «Concentrati sull’esperienza cliente.» «Costruisci relazioni.» «Testa e itera.»
Tutto vero. Nulla di azionabile.
Quando chiedi se espanderti a Dallas o Fort Worth, dirà che entrambi i mercati sono ottimi. Dirà di fare ricerca e parlare con i clienti. Non dirà quale città ha migliori unit economics per il tuo modello né quando smettere se ti sbagli.
Ti serve specificità. ChatGPT ti dà motivazione.
3. Non ha pressione avversaria
Le decisioni strategiche migliorano quando le persone discutono. Il CMO vuole espandersi. Il CFO vuole ROI. Il product lead avverte sulla complessità operativa. Il dibattito porta fuori i punti ciechi e migliora il pensiero.
ChatGPT non discute. Ti dà una prospettiva e si ferma. Se quella prospettiva è sbagliata, non lo scopri finché non hai impegnato soldi e tempo.
Cosa funziona davvero: dibattito e matematica
Le decisioni strategiche hanno bisogno di due cose che ChatGPT non fornisce: pressione avversaria e rigore matematico.
Pressione avversaria = prospettive multiple che si scontrano. Così funzionano i board. Così si costruisce buona strategia. Ti serve qualcuno che dica «e se il churn sale?» e qualcuno che dica «qual è il costo opportunità di non muoversi?»
Rigore matematico = simulazioni reali con distribuzioni di probabilità. Non numeri generati da LLM. Codice che stress-testa le tue ipotesi 1.000 volte e mostra l’intervallo di risultati.
Combinando le due ottieni strategia che conta i punti ciechi ed è ancorata a finanze realistiche.
Come si vede in pratica
La differenza su una decisione reale: espandersi in una seconda città?
Approccio ChatGPT:
«Dallas e Fort Worth sono mercati eccellenti con demografia forte! Raccomando ricerca di mercato e partnership locali. Concentrati sul valore e i risultati seguiranno.»
Incoraggiante. Inutile.
Approccio multi-modello avversario con modellazione finanziaria:
Sette piattaforme IA dibattono. Ogni modello assume un ruolo business basato su framework Harvard e McKinsey. Il CMO sostiene Dallas con dati di brand. Il CFO modella il cash flow. Il risk manager stress-testa scenari negativi. Lo stratega di crescita guarda la sequenza di espansione.
Si sfidano a vicenda. Il CFO contesta i ricavi del CMO. Il product lead avverte sulla complessità a Fort Worth. Il dibattito porta trade-off che ChatGPT non menzionerebbe mai.
Poi Python si occupa delle finanze. Esegue 1.000 simulazioni Monte Carlo per entrambe le città con distribuzioni realistiche di churn, CAC e crescita.
Output: «Dallas mostra NPV 275k $ con 73% di probabilità di redditività entro l’anno due. Fort Worth mostra NPV 180k $ con 54%. Raccomandazione: Dallas. Trigger di uscita: se non c’è cash flow positivo entro il mese 18, pivotare.»
È una decisione su cui puoi agire. Sai quale città, perché e quando fermarti se ti sbagli.
Perché contano modelli diversi
ChatGPT, Claude, Gemini, Grok e Perplexity sono stati addestrati su dati e architetture diverse. Hanno punti di forza e ciechi diversi.
ChatGPT può essere ottimista per i dati. Claude più conservativo sul rischio. Gemini può vedere problemi operativi che altri saltano.
Se li costringi a dibattere, ottieni un quadro più completo. Nessun modello domina. Le ipotesi deboli vengono messe in discussione prima di agire.
Non è perfetto. L’IA ha ancora limiti. Ma è molto meglio che un modello e sperare.
Quando ne hai davvero bisogno
Non ogni decisione richiede questo rigore. Se scegli logo o titolo landing, ChatGPT basta.
Ti servono strategia avversaria e modellazione finanziaria quando:
La decisione costa soldi veri. Assunzioni. Prezzi. Espansione. Impatto pluri-mensile. Sbagliare è costoso.
Hai opzioni in tensione. Dallas o Fort Worth. Alzare prezzi o aggiungere tier. Due persone o automazione. Quando ci sono trade-off ti servono voci su entrambi i lati.
Devi sapere quando smettere. Molte strategie falliscono per mancanza di trigger di uscita. Ti impegni e continui anche quando i dati dicono di fermarti. Ti servono metriche chiare per pivotare.
Hai dati finanziari. Con ricavi, costi e tassi di conversione, le simulazioni Monte Carlo mostrano intervalli realistici. Infinitamente meglio dell’intuizione.
Il problema della matematica
Gli LLM non fanno aritmetica affidabile. Non è un bug: è come funzionano.
Quando chiedi a ChatGPT di calcolare ROI, non esegue una formula. Predice quale numero andrebbe bene in frasi simili nel training.
A volte ci si avvicina. A volte allucina. Non sai finché non controlli.
Per decisioni finanziarie è inaccettabile. Non puoi scommettere l’azienda su un numero inventato.
Python non ha questo problema. Calcoli veri, formule vere. Quando dice valore atteso 275k $ con deviazione standard 80k $, viene da 1.000 simulazioni, non da pattern matching.
Per questo ogni prodotto strategico serio separa sintesi LLM e calcolo matematico. L’IA fa ciò che fa bene: pattern, sintesi, critica delle ipotesi. Il codice fa i conti.
Come si presenta il risultato
Con approccio multi-modello avversario e modellazione finanziaria ottieni:
Sintesi strategica. Sei prospettive che discutono trade-off. Casi ottimistici e pessimistici. Punti ciechi prima dell’impegno.
Rigore finanziario. Simulazioni Monte Carlo con intervalli realistici. NPV. Distribuzioni delle metriche chiave.
Azioni concrete. Non «concentrati sulle relazioni». Passi reali: «Assumi sales a Dallas per Q1. Budget 12k $ in annunci locali. Obiettivo 15 clienti entro il mese sei.»
Trigger di uscita. Metriche chiare per pivotare: «Se il CAC supera 800 $ al mese nove, metti in pausa Dallas e rivaluta.»
Puoi agire subito. Sai cosa fare, perché e quando fermarti se non funziona.
Il confronto reale
La consulenza strategica tradizionale costa 10k–50k $ per progetto. Interviste, deck e workshop in sei-otto settimane. Caro. Lento.
ChatGPT costa zero. Risposte istantanee. Generiche. Non verificate. Spesso sbagliate quando conta.
Strategia multi-modello avversaria con modellazione finanziaria parte da 50 $/job. Ottieni dibattito strategico, rigore matematico e azioni concrete in ~15 minuti. Nessun retainer. I job non scadono.
Non sono tre mesi da McKinsey. È infinitamente meglio che chiedere a ChatGPT e sperare.
Quando ChatGPT basta
ChatGPT è ottimo per:
- Brainstorming
- Prime bozze
- Spiegare concetti
- Ricerca veloce
- Idee contenuto
ChatGPT è pessimo per:
- Decisioni finanziarie
- Analisi trade-off
- Valutazione rischio
- Raccomandazioni specifiche
- Qualsiasi cosa con soldi veri in gioco
Conosci la differenza. Adatta il metodo a ciò che è in gioco.
Cosa fare ora
Se questo mese affronti una decisione strategica (prezzi, espansione, operazioni o assunzioni), non agire solo su ciò che dice ChatGPT.
Ottieni prospettive multiple. Fai girare i numeri. Definisci trigger di uscita.
Se non hai tempo per coordinare sei esperti e un data scientist, Strategy lo fa automaticamente. Sette piattaforme IA dibattono la tua decisione. Python esegue 1.000 simulazioni. Ottieni un report con NPV, intervalli di probabilità e trigger di uscita in ~15 minuti. Piani da 50 $/job.
Non è perfetto. Nessuna strategia lo è. Ma è infinitamente meglio che chiedere a un’IA e sperare.
Correlati: Visibilità IA | Blog