Strumenti basati su grandi modelli linguistici come catalizzatori della cognizione collettiva nello sviluppo collaborativo di nuovi prodotti: uno studio quasi-sperimentale

Perché questo importa per il lavoro di squadra quotidiano

Team moderni — dalle start-up ai gruppi di progetto scolastici — si rivolgono sempre più spesso a chatbot AI per aiutarli a pensare, pianificare e creare. Tuttavia sappiamo sorprendentemente poco su come questi strumenti cambino effettivamente il modo in cui le persone lavorano insieme. Questo studio esamina da vicino come i grandi modelli linguistici (LLM), come chatbot avanzati, plasmano il pensiero di gruppo quando i team progettano nuovi prodotti insieme, e dove il giudizio umano continua chiaramente a superare l’AI.

Come i team normalmente ragionano insieme

Quando le persone collaborano a un nuovo prodotto, fanno più che dividere i compiti; costruiscono gradualmente una comprensione condivisa del problema e delle possibili soluzioni. Gli autori definiscono questo processo «cognizione collettiva» — il modo in cui idee e punti di vista individuali si fondono in un’immagine mentale comune. Ricerche precedenti hanno mostrato che questo pensiero condiviso si sviluppa attraverso cicli di raccolta delle informazioni, discussione, valutazione delle opzioni e accordo sulle soluzioni, ma quei cicli erano spesso descritti in termini generali. Per studiare le conversazioni reali nel dettaglio, i ricercatori hanno raffinato un modello esistente in quello che chiamano il framework 2I2A, che suddivide la collaborazione in quattro spazi sovrapposti: identificare informazioni e segnali, interagire per organizzare le idee, analizzare opzioni e compromessi, e accomodare, ovvero trasformare le intuizioni in soluzioni praticabili.

Uno sguardo più attento all’esperimento

Il team ha reclutato 44 studenti avanzati di design e ingegneria e li ha accoppiati in 22 gruppi di due persone. Ogni coppia ha avuto 90 minuti per creare un prodotto innovativo per bambini mentre pensava a voce alta. Metà dei team poteva usare liberamente un LLM (ChatGPT-4 o un sistema simile) su un portatile; l’altra metà aveva solo carta e matite. Tutte le conversazioni orali sono state registrate e poi codificate accuratamente riga per riga usando il modello 2I2A. Ogni frase o scambio è stato classificato come appartenente a uno dei quattro spazi e a uno degli otto tipi di comunicazione più dettagliati, come assumere informazioni, strutturare domande, valutare idee o combinare soluzioni. Inoltre, i partecipanti che avevano usato l’LLM hanno preso parte a interviste semi-strutturate, che i ricercatori hanno analizzato con grounded theory per individuare temi comuni su come le persone percepivano il lavoro con l’AI.

Dove l’AI aiuta di più

I dati mostrano che gli LLM potenziano fortemente le fasi iniziali del pensiero di gruppo. Rispetto ai team senza AI, i gruppi assistiti da LLM hanno dedicato più tempo della collaborazione agli spazi di Identificazione e Interazione. Hanno chiesto all’LLM fatti di contesto, esempi e ispirazione, poi hanno usato le sue risposte come materiale grezzo per inquadrare e riformulare le domande di progettazione. Ciò ha significato che hanno percepito più informazioni rilevanti, selezionato e accumulato più opzioni e riorganizzato le idee in modo più attivo. Le interviste confermano questo: molti partecipanti hanno detto che l’LLM ha accelerato la loro ricerca, ha suggerito direzioni non considerate e ha funzionato come un rapido «partner di concetto» che li ha aiutati a superare i blocchi creativi. In breve, l’AI ha ampliato i confini cognitivi dei team e li ha aiutati a raggiungere un punto di partenza condiviso più rapidamente.

Dove il giudizio umano conserva il vantaggio

Al contrario, l’LLM non ha modificato in modo significativo la frequenza con cui i team si impegnavano in ragionamenti più profondi o in una sintesi finale. Negli spazi di Analisi e Accomodamento — dove le persone valutano pro e contro, negoziano differenze e intrecciano idee in un unico progetto — i gruppi con e senza LLM si sono comportati in modo simile nel complesso, e in alcune sotto-aree i team senza AI sono risultati più attivi. Senza AI, i collaboratori hanno passato più tempo a valutare criticamente le opzioni e discutere i compromessi. Gli intervistati hanno spesso osservato che i suggerimenti del chatbot potevano essere superficiali, talvolta inaccurati e troppo accomodanti, e raramente respingevano come farebbe un compagno critico. Alcuni hanno percepito che l’AI talvolta «sostituiva» il proprio pensiero o li spingeva a seguire troppo da vicino le sue idee, il che poteva restringere, anziché ampliare, la gamma di soluzioni. Questo aiuta a spiegare perché, nonostante una fase iniziale di brainstorming più vivace, il risultato creativo finale non fosse chiaramente superiore con l’AI.

Cambiamenti nella dinamica di squadra e rischi nascosti

Analizzando come i team si muovevano tra i quattro spazi di pensiero nel tempo, i ricercatori hanno constatato che i gruppi assistiti da LLM mostravano transizioni più fluide e di andata e ritorno, specialmente tra l’identificazione delle informazioni e l’interazione per organizzarle. L’AI incoraggiava cicli rapidi di domande, risposte e ristrutturazione delle idee, conferendo alla collaborazione un carattere più agile. Tuttavia questa flessibilità comportava compromessi. Alcuni partecipanti hanno riferito che i frequenti cambi di stato, alimentati da risposte AI facilmente disponibili, rendevano più difficile rallentare per una riflessione più profonda. Altri si sono detti preoccupati per la crescente dipendenza dallo strumento, la perdita della discussione «naturale» tra umani e la necessità di ricontrollare i contenuti AI per errori o contesti mancanti. Le interviste hanno anche evidenziato effetti sociali più ampi: l’AI potrebbe automatizzare lavori routinari e liberare tempo per attività più creative, ma potrebbe anche alterare le dinamiche di potere assegnando più influenza a ruoli specifici — come i product manager che guidano l’uso dell’AI — all’interno dei team.

Cosa significa per l’uso dell’AI nei team reali

Per un non-specialista, il messaggio principale è semplice: gli LLM sono molto bravi ad aiutare i team a partire e a mantenere flessibilità mentale, ma non sono una scorciatoia per una comprensione profonda o decisioni sagge. Questi strumenti agiscono come potenti acceleratori per raccogliere informazioni, esplorare idee e costruire un quadro condiviso iniziale. Tuttavia, l’analisi accurata, le decisioni difficili e la fusione di molte prospettive in un progetto solido e realizzabile dipendono ancora in larga misura dall’esperienza umana, dal pensiero critico e dalla negoziazione. Gli autori sostengono che le organizzazioni dovrebbero trattare gli LLM come ausili per il pensiero nelle fasi iniziali, all’interno di una visione più ampia 2I2A della collaborazione — non come sostituti delle conversazioni e dei giudizi umani che in ultima istanza rendono i nuovi prodotti di successo.

Citazione: Zhang, D., Luo, S., Liu, Y. et al. Large language model tools as catalysts for collective cognition in collaborative new-product development: a quasi-experimental study. Humanit Soc Sci Commun 13, 382 (2026). https://doi.org/10.1057/s41599-026-06738-7

Parole chiave: grandi modelli linguistici, progettazione collaborativa, cognizione collettiva, sviluppo di nuovi prodotti, lavoro di squadra uomo–AI