La checklist dell’intelligenza artificiale

KEY POINTS

• Le skill, istruzioni scritte che un modello di intelligenza artificiale legge prima di lavorare, riprendono l’idea della checklist nata nel 1935 dopo lo schianto del Boeing Model 299, il futuro B-17.
• Secondo lo studio SkillsBench, una skill scritta da una persona porta in media i modelli dal 33,9 al 50,5 per cento di compiti risolti, mentre una skill che il modello si scrive da solo peggiora i risultati.
• Chi usa l’intelligenza artificiale per dossier e pareri dovrebbe scrivere da sé le proprie skill e tenerle brevi, perché nello studio le versioni esaustive hanno alzato i risultati di appena 0,7 punti contro i 21,5 di quelle di lunghezza normale.

---

Il 30 ottobre 1935, nella base aerea di Wright Field, nell’Ohio, il Boeing Model 299 decollò davanti a un gruppo di ufficiali dell’esercito statunitense, salì fino a novanta metri, stallò e precipitò. Ai comandi del 299 – un quadrimotore molto più complesso degli aerei che lo avevano preceduto – sedeva il maggiore Ployer Hill, che dirigeva i voli di collaudo della base. Nell’incidente morirono Hill e il capo collaudatore della Boeing, Leslie Tower; l’inchiesta stabilì che l’equipaggio non aveva sbloccato il fermo che immobilizza i timoni quando l’aereo è a terra. Un giornale scrisse che il 299 era «un aereo troppo grande perché un solo uomo potesse pilotarlo».

I collaudatori dell’esercito non imposero ai piloti un addestramento più lungo, perché era difficile immaginare qualcuno più esperto di Hill. La loro risposta fu una checklist, cioè una lista di controllo abbastanza breve da stare su un cartoncino, con voci banali come rilasciare i freni o sbloccare i timoni. Con quella lista, racconta il chirurgo Atul Gawande, i piloti percorsero 1,8 milioni di miglia senza incidenti e l’esercito ordinò quasi 13mila esemplari dell’aereo, ribattezzato B-17. Novant’anni dopo, chi usa l’intelligenza artificiale per lavori complessi sta riscoprendo la stessa idea con le skill, procedure scritte che il modello legge prima di cominciare. Secondo uno studio diffuso quest’anno, una skill scritta da una persona migliora i risultati dei modelli, mentre quella che un modello si scrive da solo li peggiora.

Una skill è una cartella con un file di testo che contiene un nome, una descrizione di quando va usata e le istruzioni per svolgere un compito. Nella cartella possono esserci anche documenti di riferimento e piccoli programmi. Anthropic – la società che sviluppa i modelli di intelligenza artificiale Claude – ha introdotto il formato il 16 ottobre 2025 e il 18 dicembre lo ha reso uno standard aperto, che oggi adottano anche OpenAI, Microsoft, Google e decine di altri sviluppatori. All’avvio il modello legge soltanto il nome e la descrizione di ogni skill disponibile e apre il testo completo quando un compito lo richiede. Anthropic paragona una skill alla guida di inserimento che si prepara per un nuovo assunto.

Il problema che una skill risolve somiglia a quello del 299. Un modello linguistico ha letto norme, linee guida e letteratura scientifica in quantità che nessun professionista può eguagliare, ma su un compito lungo può saltare un passaggio o accontentarsi di una verifica superficiale. Nel libro The Checklist Manifesto, Gawande distingue gli errori di ignoranza da quelli di inettitudine; i primi nascono da ciò che non sappiamo, i secondi dal cattivo uso di ciò che sappiamo. Le checklist servono contro i secondi. Una skill scritta da un esperto serve contro entrambi, perché porta nel modello anche la conoscenza pratica che nei testi non si trova.

Lo studio citato all’inizio si chiama SkillsBench ed è stato diffuso nel febbraio 2026 da un gruppo di ricercatori come preprint – cioè senza il vaglio di una rivista – per poi essere aggiornato a giugno. Su 87 compiti di otto settori, i modelli testati hanno avuto successo nel 33,9 per cento dei casi senza skill e nel 50,5 per cento con una skill preparata da una persona. Secondo gli autori, i miglioramenti maggiori si vedono nei settori che richiedono conoscenze procedurali specialistiche, poco rappresentate nei testi su cui i modelli vengono addestrati. La tossicologia regolatoria, che studia i pericoli delle sostanze chimiche ai fini delle norme, ha tutte le caratteristiche per essere uno di questi settori, perché molte delle sue regole vivono nella prassi di chi ci lavora.

SkillsBench ha messo alla prova anche le skill che i modelli si scrivono da soli. I ricercatori hanno chiesto ai modelli di Anthropic, OpenAI e Google di scriversi una skill prima di risolvere i compiti. In quelle condizioni i risultati sono stati fra 8 e 11,5 punti percentuali più bassi di quelli ottenuti senza alcuna skill. Con gli stessi modelli, le skill scritte da persone hanno invece alzato i risultati fra 18 e 25 punti. Un modello non sa mettere per iscritto un’esperienza che non ha. Il chimico e filosofo Michael Polanyi chiamava tacita la conoscenza che nasce dall’esperienza e nel 1966 la riassunse nella frase «sappiamo più di quanto possiamo dire». Scrivere una skill costringe l’esperto a mettere in parole quello che sa.

Quando il lavoro del modello finisce in un dossier per le autorità o in un parere che qualcuno firma, la skill risolve anche un secondo problema. Nel settembre 2026 il segretariato del Committee on Toxicity, il comitato che consiglia il governo britannico sulla tossicità delle sostanze, ha pubblicato un documento sull’intelligenza artificiale. Fra le debolezze di questi strumenti il documento elenca la dipendenza dai prompt, cioè dalle richieste con cui si interroga il modello. Secondo il testo questa dipendenza «porta con sé problemi di riproducibilità». La stessa domanda posta con parole diverse può infatti produrre risposte diverse. Una skill invece resta uguale da un lavoro all’altro e si può mostrare a un cliente o a un ispettore.

La tossicologia regolatoria ha già affrontato un problema simile. Negli anni Settanta la Food and Drug Administration – l’agenzia statunitense per gli alimenti e i farmaci – ispezionò una quarantina di laboratori di tossicologia e vi trovò frodi e pratiche scadenti. Il caso più noto fu quello dell’Industrial Bio-Test Laboratories, che negli anni di massima attività svolgeva più di un terzo dei test tossicologici del paese. La risposta arrivò il 22 dicembre 1978 con le regole di buona pratica di laboratorio, che imposero di documentare ogni passaggio, dai protocolli degli studi ai dati grezzi. Oggi i principi di buona pratica di laboratorio dell’Organizzazione per la cooperazione e lo sviluppo economico, recepiti nell’Unione europea con la direttiva 2004/10/CE, chiedono a ogni laboratorio procedure operative standard scritte e approvate dalla direzione.

Una skill ben scritta è per un modello ciò che una procedura operativa standard è per un tecnico di laboratorio. Come ogni procedura, però, una skill non garantisce nulla da sola. In 13 compiti su 87, SkillsBench ha registrato un peggioramento, di solito perché la skill prescriveva un percorso corretto in teoria ma troppo pesante nella pratica. Le skill esaustive hanno alzato i risultati in media di appena 0,7 punti, contro i 21,5 di quelle di lunghezza normale. Come la checklist del 299, anche una skill funziona meglio quando non è troppo lunga.

Un rischio meno evidente è che una procedura moltiplichi quello che contiene, compresi gli errori. Se a scriverla è chi non conosce il mestiere, lo sbaglio smette di essere occasionale e diventa sistematico. Per questo una skill va curata come un documento del sistema qualità, dove ogni non conformità intercettata diventa una regola nuova. Anthropic raccomanda anche di installare soltanto skill provenienti da fonti fidate, perché una procedura può contenere istruzioni scritte per nuocere.

Ai piloti del 299 la checklist garantiva soltanto che ogni volo cominciasse con i timoni sbloccati. Una skill fa lo stesso con l’intelligenza artificiale: non sostituisce l’esperto che la scrive, ma gli permette di esserlo ogni volta, anche quando a eseguire il lavoro è una macchina.

Riferimenti

Gawande A., The Checklist Manifesto: How to Get Things Right, Metropolitan Books, 2009

Wikipedia, Ployer Peter Hill, consultato il 2 ottobre 2026, https://en.wikipedia.org/wiki/Ployer_Peter_Hill

Li X. et al., SkillsBench: Benchmarking How Well Agent Skills Work Across Diverse Tasks, arXiv, 2602.12670v4, 14 giugno 2026, https://arxiv.org/abs/2602.12670

Zhang B., Lazuka K., Murag M., Equipping agents for the real world with Agent Skills, Anthropic, 16 ottobre 2025 (aggiornato il 18 dicembre 2025), https://www.anthropic.com/engineering/equipping-agents-for-the-real-world-with-agent-skills

Agent Skills, Overview, agentskills.io, consultato il 2 ottobre 2026, https://agentskills.io

VentureBeat, Anthropic launches enterprise ‘Agent Skills’ and opens the standard, challenging OpenAI in workplace AI, 18 dicembre 2025, https://venturebeat.com/technology/anthropic-launches-enterprise-agent-skills-and-opens-the-standard

Polanyi M., The Tacit Dimension, Doubleday, 1966

Committee on Toxicity of Chemicals in Food, Consumer Products and the Environment (COT), AI in chemical risk assessment: SWOT analysis report, GOV.UK, TOX/2026/33, 4 settembre 2026, https://www.gov.uk/government/publications/8th-september-2026-committee-on-toxicity-meeting/ai-in-chemical-risk-assessment-swot-analysis-report

U.S. Food and Drug Administration, Good Laboratory Practice (GLP) 101, consultato il 2 ottobre 2026, https://www.fda.gov/media/165993/download

Wikipedia, Industrial Bio-Test Laboratories, consultato il 2 ottobre 2026, https://en.wikipedia.org/wiki/Industrial_Bio-Test_Laboratories

Parlamento europeo e Consiglio, Direttiva 2004/10/CE sull’applicazione dei principi di buona pratica di laboratorio, 11 febbraio 2004, https://eur-lex.europa.eu/legal-content/IT/TXT/?uri=CELEX:32004L0010